树-空间扫描统计量：融合Kulldorff圆形扫描与树状数据挖掘的疾病集群检测新方法

《Environmental and Ecological Statistics》：A tree-spatial scan statistic

来自巴西的研究团队提出了一种创新的树-空间扫描统计量（tree-spatial scan statistic），通过整合Kulldorff圆形空间扫描方法与树状扫描算法，解决了传统空间聚类分析难以捕捉层级结构数据的难题。该算法通过模拟验证了其在识别空间-层级混合结构中的优越性，并成功应用于2016年里约热内卢州婴儿死亡率数据分析，精准定位了疾病死亡显著异常的市镇集群，为公共卫生决策提供了新工具。

这项研究开发了一种革命性的树-空间扫描统计技术（tree-spatial scan statistic），巧妙地将流行病学家Kulldorff经典的圆形空间扫描法（circular scan method）与数据挖掘领域的树状扫描算法（tree-based scan statistic）嫁接融合。科研人员创造性地将具有天然层级特征（hierarchically arranged）的空间事件数据输入树状扫描系统，让算法像侦探般筛查所有可能的分支结构，揪出那些病例概率显著偏离均匀分布假设（homogeneity hypothesis）的"异常分支"。

通过精心设计的空间-层级混合结构模拟实验，该算法展现出令人惊艳的集群识别能力。当应用于2016年巴西里约热内卢州触目惊心的婴儿死亡数据时，这套方法化身"疾病地图测绘师"，成功锁定多个死亡率异常飙升的市镇集群（municipalities cluster），其中某些疾病分支的死亡数字远超统计学预期。这项突破不仅为空间流行病学（spatial epidemiology）增添了新的分析维度，更给公共卫生管理者提供了精准干预的"热力图"导航。