龚华东

WSARE(What’s Strange About Recent Events)的中文译名叫异常模式探测法。是用于针对生物孔博袭击与传染病爆发的监测与早期预警领域[1]。在美国已经被纳入美国实时暴发监测系统（RODS system）。该统计模型对于探测传染病或者是症候群的聚集性具有很重要的应用价值，但是由于在解决其算法优化和维度的拓展方面存在一定的困难，一种基于历史数据基线的WSARS算法被应用于宾夕法尼亚州和犹他州的急诊病例监控[2]。另一种是基于贝叶斯网络基线的WSARE算法被美国的公共卫生部门与以色列国家疾病预防控制中心所使用。WSARE作为一种融合了包括规则算法、贝叶斯网络、随机化检验等多种思想的聚集性探测算法，具有强大的实用性。在2004年我国首次建立了传染病疫情信息网络直报系统，本研究旨在探讨WSARE算法对我国该系统数据的适用性，及对传染病暴发早期预警的应用价值。

1 原理与方法

1.1 基本原理 WSARE算法是基于历史数据和贝叶斯网络的基线，两者的区别在于基线分布的建立，历史数据基线是以历史数据选定天数作为基线，而后者是从构建的贝叶斯网络中抽样构造基线后，再建立基线分布后，对最近发生的事件进行搜索，用基线和最近数据集寻找最佳得分规则，再随机检验估计最佳规则的P值，从而得到有意义的P值及规则作为预警信号。

1.2 一般资料 对于传染病的数据来源我们选择了2010年广州市番禺区细菌性痢疾患者数据，通过核查，排除干扰性数据与资料记载不完备的数据外，得到的细菌性痢疾数据38例，选择数据中的性别、年龄、详细地址、发病日期、职业等作为变量。……