극값 이론 기반 살모넬라 조기 군집 탐지 시스템

본 논문은 공중보건 감시 데이터에서 시간적 군집을 조기에 탐지하기 위한 새로운 통계적 방법을 제안한다. 기존의 감시 모델은 회귀, 시계열, 통계적 공정 관리 등 세 가지 큰 틀로 나뉘며, 주로 과거 데이터의 평균값이나 기대값을 계산한 뒤 현재 관측값과 비교하는 방식으로 경보를 발생시킨다. 이러한 접근법은 계절성, 장기 추세, 과거 발병 등 복합적인 요인을 동시에 반영해야 하는데, 특히 보고 지연이나 데이터 불완전성 등 현실적인 문제에 취약하다. 저자들은 이러한 한계를 극복하고자 극값 이론(Extreme Value Theory, EVT)의 반환 기간 개념을 도입한다. 반환 기간은 특정 사건이 평균적으로 몇 번의 관측 단위마다 한 번 발생하는지를 나타내는 지표이며, 이를 통해 “극단적”인 관측값을 정량화한다. 그러나 역학 데이터는 이산형이며 분포가 연속적이지 않기 때문에, 기존의 POT(Peak‑Over‑Threshold) 방법을 그대로 적용하기 어렵다. 따라서 Guillou 등(2011)의 연구를 기반으로, 반환 수준(return level)의 상·하한을 추정하는 방법을 채택한다. 구체적으로, 비음수 i.i.d. 표본 X₁,…,Xₙ에 대해 비감소 함수 u, v와 비증가 함수 w를 정의하고, 이들에 대한 기대값 θ(u,v)=E