R言語 CRAN Task View：疫学

CRAN Task View: Epidemiologyについて、機械翻訳を交えて日本語化し掲載しております。

概要

Maintainer:	Thibaut Jombart, Matthieu Rolland, Hugo Gruson
Contact:	hugo.gruson+ctv at normalesup.org
Version:	2024-10-22
URL:	https://CRAN.R-project.org/view=Epidemiology
Source:	https://github.com/cran-task-views/Epidemiology/
Contributions:	このタスクビューに対する提案や改良は、GitHubのissueやpull request、またはメンテナのアドレスに電子メールで送ってください。詳しくはContributing guideをご覧ください。
Installation:	このタスクビューのパッケージは、ctvパッケージを使用して自動的にインストールすることができます。例えば、ctv::install.views(“Epidemiology”, coreOnly = TRUE)は全てのコアパッケージをインストールし、ctv::update.views(“Epidemiology”)はまだインストールしていない全てのパッケージと最新のものをインストールします。詳しくはCRAN Task View Initiativeを参照してください。

寄稿者（アルファベット順）；Neale Batra、Solène Cadiou、Christopher Endres、Rich FitzJohn、Hugo Gruson、Andreas Handel、Michael Höhle、Thibaut Jombart、Joseph Larmarange、Sebastian Lequime、Alex Spina、Tim Taylor、Sean Wu、Achim Zeileis。

Rは疫学の標準になりつつあり、研究設計から疫学データの探索、モデリング、予測、シミュレーションに至る幅広いツールを提供します。このタスク ビューでは、感染症疫学（IDE）や環境疫学などの疫学に特化して開発されたパッケージの概要を提供します。以下は含まれません。

• これらの領域で使用されているが、疫学的な状況に合わせて特別に開発されたものではない汎用ツール
• 「オミクス」アプローチとゲノムワイド関連研究（GWAS）は疫学で使用できますが、大きく別の領域を形成

パッケージは次のカテゴリにグループ化されています。

1. データ視覚化：疫学データの処理と視覚化に特化したツール。 流行曲線（「エピカーブ」）、接触者追跡ネットワークの調査など。
2. 感染症モデリング：流行曲線の分析（発生検出/監視を含む）、伝染力の推定、短期予測、コンパートメントモデル（SIR モデルなど）、発生のシミュレーション、および感染ツリーの再構築のためのIDE固有のパッケージ
3. 環境疫学：病気の決定要因として機能する環境要因の研究に特化したツール
4. ヘルパー：サンプルサイズの計算、離散化されたガンマ分布のフィッティング、ラインリストデータの処理など、疫学の練習や教育に役立つさまざまなタスクを実装するツール
5. データパッケージ：これらのパッケージは、経験的およびシミュレートされた流行データへのアクセスを提供します。新型コロナウイルス感染症に関する特定のセクションが含まれています。

具体的ではないが非常に便利なパッケージ（テーブルの作成、日付の操作など）への追加リンクがタスクビューの脚注に記載されています。

包含基準

このタスク ビューに含まれるパッケージは、専門疫学者の推奨事項と、pkgsearch::pkg_search()を使用したキーワード「疫学、流行、エピ、アウトブレイク、感染」を使用した自動CRAN検索を通じて特定されました。このリストは、前の段落で説明した条件を満たすように最終的に選択されるよう手動で精選されました。

パッケージは、感染症のレポート、モデリング、または予測を明示的に対象としたツールまたはデータを提供する場合、範囲内とみなされます。

ご意見をお待ちしております。GitHubリポジトリに問題を提出するか、メンテナに連絡して、見逃している可能性のあるパッケージを提案してください。

データクリーニングとデータ管理

• cleanepi：
  • 疫学データをクリーンアップする関数を提供します。linelistパッケージと連携するように設計されており、欠損データのチェック、日付の検証、変数が正しいフォーマットであることを確認する関数を提供します。
• epiCleanr：
  • 疫学データ用のデータクリーニングユーティリティのコレクション。
• epidm：
  • 英国健康安全保障庁 (UKHSA) が保有する監視および分析のための患者レベルの公衆衛生データのクリーニング、処理、および管理のためのユーティリティと機能が含まれています。

データ可視化

このセクションには、疫学データの視覚化と探索のための特定のツールを提供するパッケージが含まれています。

• epicontacts：
  • ケースラインリストとケース間の連絡先で構成される連絡先データの専用クラスを実装します。
  • データ処理、インタラクティブグラフィックス、接触パターンの特徴付け（混合パターン、シリアル間隔など）の手順も含まれます。
  • RECON。
• EpiContactTrace：
  • 疫学的な接触追跡と接触ネットワークの視覚化のためのルーチン。
• EpiCurve：
  • 時間ごと、日ごと、週ごと、または月ごとの結果データの単純または積み上げ流行曲線を作成します。
• epiDisplay：
  • データ探索と結果のプレゼンテーションのためのパッケージ。
• epiflows：
  • 場所間の疫学的な人の流れを処理および視覚化するために設計された関数とクラスを提供します。
  • Dorigatti et al. (2017)で最初に記載された、フローデータから病気の蔓延を予測するための統計的手法も含まれています。RECONパッケージ。
• EpiReport：
  • 欧州疾病予防管理センターが発行する年次疫学報告書に似た、特定の疾患に関する疫学報告書を「Microsoft Word」形式で作成すること。
• incidence：
  • さまざまな日付形式を使用して、定義された時間間隔の日付付きイベントからの発生率を計算、処理、視覚化する関数とクラス。 また、発生率の対数線形モデルと日次成長率の推定のためのラッパーも提供します。RECONパッケージ。このパッケージは非推奨になる予定であり、incidence2に置き換えられます。

感染症モデリング

このセクションには、IDEモデリング専用のパッケージが含まれています。Rは汎用時系列モデリングのための豊富なオプションを提供しており、その多くはTimeSeriesおよびSurvivalタスク ビューにリストされていることに注意してください。

疫病監視

以下のパッケージは監視アルゴリズムを実装していますが、これらのアプローチは空間分析によって効果的に補完できます。疾患マッピングとエリア データ分析に関する専用セクションがある空間タスク ビューを参照することをお勧めします。

• Epi：
  • Lexisダイアグラムにおける人口統計および疫学分析のための関数、つまり登録およびコホート追跡データ、特に複数状態データの表現、操作およびシミュレーション-Lexis関数スイート。これには、mstate、etm、およびcmprskのインターフェースが含まれます。 また、年齢-期間-コホートおよびリー-カーター モデリング、間隔打ち切りデータ、表作成、プロット、および多数の疫学データ セットの機能も含まれています。
• episensr：
  • 測定されていない交絡およびエクスポージャ/アウトカムの誤分類、またはその両方を調整した、観察された相対リスクの基本的な感度分析。これは、Lash T.L.、Fox M.P.、Fink A.K.の著書にあるバイアス分析の方法と例に従っています。 「疫学データへの定量的バイアス分析の適用」（「Springer」、2009年）。
  • このツールはapisensrを通じてAPIとしても提供されています。
• mem：
  • T Vega と JE Lozano によって作成された Moving Epidemic Method (2012、2015) により、医療システムにおける定期的な呼吸器感染症の監視に役立つ流行と強度の状態を毎週評価することができます。さまざまな流行の指標、タイミング、形状を過去の流行と比較したり、さまざまな監視システムを備えたさまざまな地域や国間で比較したりできます。また、アラート週の感度と特異度の観点から、メソッドのパフォーマンスの尺度が得られます。
• memapp：
  • T VegaとJE Lozanoによって作成されたMoving Epidemic Method（2012、2015）を使用すると、医療システムにおける日常的な呼吸器感染症の監視に役立つ流行と強度の状態を毎週評価できます。さまざまな流行の指標、タイミング、形状を過去の流行と比較したり、さまざまな監視システムを備えたさまざまな地域や国間で比較したりできます。また、アラート週の感度と特異度の観点から、メソッドのパフォーマンスの尺度も得られます。「memapp」は、mem RパッケージのShinyフレームワークで作成されたWebアプリケーションです。
• nosoi：
  • nosoi（no.si と発音）の目的は、柔軟なエージェントベースの確率的伝播チェーン/疫病シミュレータを提供することです（Lequime et al. 2020）。 このパッケージは、感染プロセスに対する複数の変数の影響（アルボウイルスなどの二重宿主システム、宿主内ウイルス動態、輸送、集団構造など）を単独または組み合わせて考慮して、複雑だが比較的直感的な疫学シミュレーションを作成できます。
• riskCommunicator：
  • 逆確率重み付けの代替として開発されたパラメトリックG式を使用して、差と比率の両方を含む柔軟な疫学的影響尺度を推定します。これは、治療交絡因子フィードバックが存在する場合の介入の影響を推定するのに役立ちます。G計算は、Robbins (1986)によって最初に説明され、Ahern, Hubbard, and Galea (2009)、Snowden, Rose, and Mortimer (2011)、Westreich et al. (2012)によって詳細に説明されています。
• RSurveillance：
  • 疾病監視活動の設計と分析に役立つさまざまな機能セットを提供します。
• trendeval：
  • トレンドパッケージに適合するモデルを評価するための一貫したインターフェースを提供します。RECONパッケージ。
• SpatialEpi：
  • クラスター検出と疾病マッピングのための方法とデータ。
• surveillance：
  • 時系列の数、割合、カテゴリデータのモデリングとモニタリング、および流行現象の時空間点プロセスの柔軟な共変量ベースの回帰モデリングのための統計的手法。このモニタリング方法は、感染症の公衆衛生監視からのカウント データ時系列における異常検出に焦点を当てています。
  • 利用可能なモニタリング手順の最近の概要はSalmon et al. (2016)によって提供され、流行現象に対して実装された時空間モデリング・フレームワークの最近の概要はMeyer et al. (2017)によって提供されます。
  • また、病気の発症から暴露の時系列を推測する逆投影法や、報告の遅れ（ナウキャスティング）のために観察された時系列を補正する手法も含まれています。
• trending：
  • 信頼区間と予測区間を生成するための標準化されたアプローチとともに、トレンドをフィッティングするための複数のモデリング ツールへの一貫したインターフェースを提供します。RECONパッケージ。
• coarseDataTools：
  • 粗いデータを分析する関数。具体的には、(1)パラメトリック加速故障時間モデルを間隔打ち切り生存時間データに適合させる機能と、(2)過小報告のあるシナリオでの致死率を推定する機能が含まれています。
  • このパッケージの開発は、感染症への応用、特に、特定の疾患の潜伏期間と致死率の推定に関する問題を動機として開発されました。
  • サンプルデータファイルはパッケージに含まれています。
  • Reich et al. (2009)、Reich et al. (2012)、およびLessler et al. (2009)を参照してください。
• cfr：
  • Nishiura et al. (2009)で議論されているように、重症度の推定と症例の把握。
• EpiSignalDetection：
  • Salmon et al. (2016)に記載された方法によるシグナル検出のための疫学的時系列の探索。このパッケージは、shinyインターフェースと自動レポート生成も提供します。
• inctools：
  • 横断調査におけるバイオマーカーデータから罹患率を推定し、最近の感染に対する検査を較正するためのツール。Kassanjee et al. (2012)の手法を実装、拡張しています。

個人レベル・データ

• modelSSE：
  • 接触追跡サーベイランスデータから感染症の超拡散を特徴付けるための包括的な分析ツールが提供されています。このツールキットの基礎となる理論的枠組みには、伝播の不均一性を伴う分岐過程（Lloyd-Smith et al. (2005)）、症例クラスターのサイズ分布（Nishiura et al. (2012)、Blumberg et al. (2014)、Kucharski and Althaus (2015)）、再生産数の分解（Zhao et al. (2022)）などがあります。
• nosoi：
  • nosoi（発音はno.si）の目的は、柔軟なエージェントベースの確率的伝播連鎖／疫病シミュレータを提供することです（Lequime et al. 2020）。
  • このパッケージは、伝染プロセスに対する複数の変数の影響（例えば、樹状ウイルスのような二宿主システム、宿主内ウイルス動態、輸送、集団構造）を、単独で、あるいは組み合わせて考慮することができ、複雑だが比較的直感的な疫学シミュレーションを作成することができます。
• epiworldRとそのShinyインターフェースepiworldRShiny：
  • C++バックエンドを使用したエージェントベースのモデリングのためのフレームワークで、高いパフォーマンスを実現します。

デジタル疫学

• argo：
  • 米国における国レベルと地域レベルの両方でのインフルエンザの流行を正確に推定するための一般オンライン データによる拡張回帰 (ARGO)。 これは、論文Yang, S., Santillana, M. and Kou, S.C. (2015)およびNing, S., Yang, S. and Kou, S.C. (2019)で紹介された方法を再現しています。
• epitweetr：
  • 「Twitter」データからの公衆衛生上の脅威の早期検出。このパッケージを使用すると、時間、場所、トピックごとにツイートの傾向を自動的に監視でき、シグナル（ツイート数の異常な増加など）の検出を通じて公衆衛生上の脅威を早期に検出することを目的としています。感染症に焦点を当てるように設計されていますが、トピックやキーワードを変更することで、すべての危険や他の研究分野に拡張することができます。詳細については、‘epitweetr’ peer-review publication をご覧ください。

伝達率の推定

• earlyR:
  • ポアソン分岐プロセスを使用して、単純な尤度ベースの再生産数(R0)の推定を実装します。
  • このモデルには、連続間隔の分布と症状の発症日に関する知識が必要です。
  • これは、Cori et al. (2013)によって導入されたモデルの簡略化されたバージョンです。
• endtoend：
  • パケットごとの再送信回数が制限されているエンドツーエンドのトランスポート モデルを考慮して、送信と受信の数の期待値を計算します。
  • 理論的な結果と、モンテカルロ シミュレーションに基づく推定値も提供します。
  • ランダムデータやACK確率を考慮することも可能です。
• EpiEstim：
  • Cori et al. (2013)によって導入された瞬間再生産数(Rt)を使用して、時間とともに変化する伝達率を推定するためのツールを提供します。
• epinet：
  • エピデミック/ネットワーク関連ツールのコレクション。
  • 接触ネットワークを介した病気の伝播をシミュレートします。
  • 与えられた流行データに基づいて、ネットワークおよび流行パラメータに対してベイズ推論を実行します。
• EpiNow2：
  • Abbott et al. (2020)およびGostic et al. (2020)で導入されたアプローチを使用して、さまざまな遅延を考慮しながら、時間とともに変化する再生産数、拡散率、流行の倍加時間を推定するためのツールを提供します。
• nbTransmission：
  • Leavitt et al. (2020)で紹介された単純ベイズを使用して、ケース間の相対的な伝達確率を推定します。世代/連続間隔や再生産数などの伝播パラメータを推定するさまざまな関数や、伝播確率に対する共変量の寄与を見つけて結果を視覚化する機能が含まれています。
• R0：
  • 基本再生産数(R0)と瞬間再生産数(R(t))を含む発生率データと、対応する95%信頼区間に基づく、病気発生の再生産数の推定値。出力をプロットしたり感度解析を実行したりするためのルーチンも含まれています。
• tsiR：
  • TSIRモデリング フレームワークを使用すると、時系列SIRモデルを累積症例データに適合させることができます。
  • これにより、回帰式を使用して、報告期間間の累積症例の差に基づいて送信パラメータを推定できます。
  • このパッケージは、Becker and Grenfell (2017)で説明されているように、GLMとプロファイル尤度技術を使用したTSIRパラメータの推論と、適合モデルに基づくフォワード シミュレーションをサポートします。
• Bernadette：
  • Bouranis et al (2022)に記載されているベイジアン証拠合成アプローチを実装して、毎日の死亡者数に基づいて、年齢別の COVID-19 の感染力学をモデル化します。
  • Bernadetteの機能を使用すると、公的に入手可能なデータから流行の要因を再構築したり、時間とともに変化する病気の感染率、潜在感染数、特定の集団の経時的な再生産数などの主要な疫学量を推定したり、 情報基準を使用してモデル比較を実行します。
• epicasting：
  • アンサンブルウェーブレットベースの自己回帰ニューラルネットワークアーキテクチャを使用して時系列予測を生成する方法とツール。この方法は、外生変数の追加サポートを提供します。
• epigrowthfit：
  • 流行成長の非線形混合効果モデルの最尤推定。初期指数成長率の適合値から基本的な再生産数を計算するための関数など、いくつかの補助関数を提供します。

エピデミック・シミュレーション・モデル

• EpiILM：
  • 感染症データ分析のための離散時間の個人レベル モデルからシミュレーションするためのツールを提供します。
  • この流行モデル クラスには、感受性感染症（SI）と感受性感染症除去病（SIR）の2つの疾患タイプを備えた空間および接触ネットワークベースのモデルが含まれています。
• EpiILMCT：
  • 疾病伝播の連続時間個人レベルモデルをシミュレートし、同じモデルを使用して感染症データ分析を実行するためのツールを提供します。
  • 考慮される流行モデルは、Susceptible-Infectious-Removed（SIR）または Susceptible-Infectious-Notified-Removed（SINR）の区分フレームワーク内の距離ベースおよび/または接触ネットワークベースのモデルです。
  • 実装された伝染病の連続時間個人レベルモデルの概要は、Almutiry and Deardon (2019)によって与えられています。
• EpiModel：
  • 感染症の動態の数学的モデルをシミュレーションするためのツール。
  • 流行モデル クラスには、決定論的コンパートメント・モデル、確率的個人接触モデル、確率的ネットワーク モデルが含まれます。
  • ネットワーク モデルは、R のソフトウェア パッケージのStatnetスイートの指数関数族ランダム・グラフ・モデル（ERGM）の堅牢な統計手法を使用します。
  • 流行モデリングの標準テンプレートには、SI、SIR、および SIS 疾患タイプが含まれます。
  • EpiModel は、これらのテンプレートを拡張して新しい科学研究の目的に対処するための API を備えています。
  • EpiModel の完全なメソッドについては、Jenness et al. (2018)で詳しく説明されています。
• odin：
  • 決定論的または確率的コンパートメント・モデル（例: SIR、SEIR、SIRSなど）を実装するための、汎用的で高速かつコンピューター効率の高いプラットフォームを提供し、年齢階層化や空間化を含めることができます。
  • ドメイン固有言語 (DSL) を使用して常微分方程式系 (ODE) を指定し、それらを統合します。
  • DSLはRの構文を使用しますが、システムを効率的に解くために、deSolveおよびddeへのインターフェースを使用してCにコンパイルされます。
• pomp：
  • 状態空間モデルを操作するための、フォワード シミュレーション アルゴリズムとMLEまたはベイジアン推論テクニックの大規模なセットを提供します。
  • モデルは決定論的または確率論的のいずれかとして指定でき、通常はコンパートメント・モデル構造に従います。
  • 時間は、選択したシミュレーション アルゴリズムに応じて、離散または連続のいずれかになります。
  • さらに、モデルをCでプログラムし、パッケージでの使用に適した形式にオンザフライでコンパイルして、シミュレーションと推論を高速化することもできます。
  • Rパッケージとそのアルゴリズムの一部については、King, Nguyen, and Ionides (2016)で説明されています。
• popEpi：
  • 参照集団の数や死亡率が使用される統計など、疫学統計の計算を可能にします。
  • 現在サポートされているのは、過剰ハザード モデル、割合、平均生存時間、相対生存時間、標準化された発生率と死亡率（SIR/SMR）であり、これらはすべて年齢などの共変量によって簡単に調整できます。
  • 「Lexis」オブジェクト（r pkg(“Epi”, priority = “core”) パッケージから）および r pkg(“data.table”) を使用して実現されるその他の計算の高速分割と集約。
• SimInf：
  • 現実的な大規模な病気の蔓延シミュレーションでデータ駆動型の疫学モデリングを実行するための、効率的で非常に柔軟なフレームワークを提供します。
  • このフレームワークは、ガレスピー確率シミュレーション・アルゴリズムを使用して、部分集団の感染ダイナミクスを連続時間マルコフ連鎖として統合し、出生、死亡、移動などの利用可能なデータを、事前定義された時点でのスケジュールされたイベントとして組み込みます。
  • 数値ソルバーにCコードを使用し、「OpenMP」（利用可能な場合）を使用して複数のプロセッサーに作業を分割することで、サンプル結果をシミュレートするときに高いパフォーマンスが保証されます。
  • パッケージにはテンプレート・モデルが含まれており、ユーザー定義モデルで拡張できます。
  • 詳細については、Widgren, Bauer, Eriksson and Engblom (2019)を参照してください。
• socialmixr：
  • Mossong et al. (2008)で説明されているように、感染症モデリングで使用するために日記データから接触行列をサンプリングする方法を提供します。
• finalsize：
  • Miller (2012)で議論されているように、接触パターンと病気への感受性が人口統計的に異なる集団における、感受性のある感染症-回復した流行の最終的な規模を計算します。
• shinySIR：
  • シンプルなSIRモデルをインタラクティブに探索するためのShinyグラフィカルインターフェース。ユーザーは、独自のODEを提供することもできます。
• EpiDynamics：
  • SEIRおよびSIR、SISモデルのコレクションで、いくつかのバリエーション（人口統計、年齢グループ、リスク グループなど）。

伝送ツリーの再構築

• adegenet：
  • 主に集団遺伝学パッケージであり、adegenetは、Edmonds/Chu-Liuアルゴリズムを使用して伝送ツリーを再構築するための最大節約アプローチである seqtrack（Jombart et al. 2011）を実装します。
• o2geosocial（outbreaker2モジュール）：
  • 定期的に収集された監視データを使用して、過去のアウトブレイク中に誰が誰に感染したかをベイズ法で再構築します。
  • 遺伝子型、年齢別の社会的接触、症例間の距離、報告された症例の発症日を使用した感染系統図の推論（Robert A, Kucharski AJ, Gastanaduy PA, Paul P, Funk S. 2020）。
• o2mod.transphyloは、ホスト内進化のTransPhyloモデルを使用するoutbreaker2のモジュールです。
• outbreaker2：
  • Jombart T, Cori A, Didelot X, Cauchemez S, Fraser C and Ferguson N. 2014, Campbell F, Cori A, Ferguson N, Jombart T (2019)で紹介されている、疫学情報と遺伝情報を使用した疾病発生のベイジアン再構築のためのモジュール式プラットフォーム。
• TransPhylo：
  • 古い系統発生からの伝達木の推論。 アウトブレイクをシミュレートおよび分析する方法が含まれます。
  • この方法論は、Didelot et al. (2014)とDidelot et al. (2017)に記載されています。

植物疫学

• epiphy：
  • 植物病害の流行を分析するためのツールボックス。これは、時間や空間にわたって記録された植物病害強度データの共通のフレームワークを提供します。

環境疫学

環境疫学は、疾患の決定因子として作用する環境中の物理的、化学的、生物学的要因の研究に特化しています。環境疫学の目的は因果関係を推論することであり、大気汚染物質や水質汚濁物質、食物汚染物質、建築環境などによる疾病の環境的原因を特定することです。

環境疫学に特化したRパッケージには、汚染物質の検出限界（左詰め問題）を扱うツールや、暴露間の多重相関を考慮し因果関係を推論するための様々なモデリングアプローチが含まれます。

• NADA：
  • 環境データの不検出とデータ分析、Helsel (2011)のメソッドから派生したすべての機能を含むパッケージ。
• EnvStats：
  • 米国EPAガイダンスを含む環境統計用のパッケージ。
  • 通常は義務付けられた環境モニタリングの文脈で、化学物質の濃度と物理的パラメータの分析に重点を置いた、環境データのグラフおよび統計分析。 文献や規制ガイダンス文書に記載されている主な環境統計手法。
  • これらの手法の機能、使用方法、文献のどこに記載されているかを説明する広範なヘルプが含まれています。
  • 規制ガイダンス文書および環境統計文献からの多数の組み込みデータセット(Millard 2013)。
• bkmr：
  • Bobb et al. (2015)で説明されているように、複数の同時曝露による関節の健康への影響を推定するための統計的アプローチであるベイジアン・カーネル・マシン回帰を実装します。
• mediation：
  • Imai et al. (2010)で説明されているパラメトリックおよびノンパラメトリックメディエーション分析を実装します。
• mma：
  • Yu et al. (2017)に記載されている複数の媒介分析を実装します。
• HIMA：
  • 高度なメディエーター・スクリーニングおよびペナルティ付き回帰技術に基づいて、高次元のメディエーション効果を推定およびテストできます（Zhang et al. 2021）。

ヘルパー

このセクションには、疫学解析を容易にするツールやトレーニング用のツール（サンプルサイズの計算、分割表など）を提供するパッケージが含まれています。

• incidence2：
  • 日付付きイベントからの発生率を計算、処理、視覚化するための関数とクラスを提供します。
  • 元のincidenceをさまざまな方法で改善します。
  • 使用される時間間隔が完全に柔軟になり、複数の層別化が可能になり、dplyrやその他のTidyverseツールと完全に互換性があります。
  • RECONパッケージ。
• DSAIDE：
  • さまざまな感染症伝播ダイナミクス・シナリオのシミュレーション・モデル（アプリ）の探索。
  • このパッケージの目的は、個人が動的システムの観点から感染症の疫学について学ぶのを助けることです。
  • すべてのアプリには、基礎となるモデルの説明と、モデルの操作方法に関する説明が含まれています。
• epibasix：
  • サンプルサイズの推定から2×2分割表分析および基本的な一致尺度（カッパ、感度/特異度）まで、一般的な疫学問題を分析するための基本ツールが含まれています。
  • 可能な限り解釈を容易にするために、適切な印刷物と要約文も書かれています。
  • 対象者には、疫学または生物統計コースの上級学部生および大学院生、臨床研究者が含まれます。
• epiR：
  • 疫学データと監視データを分析するためのツール。
  • 病気の頻度の測定値を直接的および間接的に調整する機能、分割表に表示されるカウントデータの単一または複数の層に基づいて関連性の測定値を定量化する機能、罹患リスクおよび罹患率の推定値に関する信頼区間の計算、および横断研究、症例対照研究、およびコホート研究のサンプルサイズの計算を行う機能が含まれています。
  • 監視ツールには、1段階および2段階の代表的な自由度調査に適切なサンプル サイズを計算する機能、監視システムの感度を推定する機能、およびシナリオ ツリー モデリング分析をサポートする機能が含まれています。
• epitools：
  • 二元分割表および多元分割表の手法を含む、疫学者のトレーニングと実践のためのツール。
• epitrix：
  • 流行分析や感染症モデリングに役立つ小さな関数のコレクション。
  • これには、毎日の成長率からの基本再生産数（R0）の計算、データを匿名化するためのハッシュ ラベルの生成、および離散化されたガンマ分布のフィッティングが含まれます。
• linelist：
  • このクラスはdata.frameとtibbleを拡張し、主要な疫学的変数にタグを付ける機能を追加し、それらを検証し、これらのデータの偶発的な削除や変更に対するセーフガードを提供することで、データパイプラインをより簡単かつ堅牢にします。
• powerSurvEpi：
  • 対象の共変量と他の共変量の間の相関を考慮して、疫学研究（非ランダム化研究）の生存分析における主効果または交互作用効果を検定するための検出力とサンプルサイズを計算する関数。
  • 一部の計算では、競合するリスクと層別分析も考慮されます。
  • このパッケージには、ランダム化臨床試験の生存分析で主効果をテストするための検出力とサンプルサイズを計算する一連の関数も含まれています。
• AMR：
  • 抗菌薬耐性（AMR）データ分析を簡素化および標準化し、証拠に基づいた方法とLPSNなどの信頼できる参照データを使用して微生物および抗菌特性を扱う機能（Parte et al. 2020）。
• diyar：
  • 複数のデータセット間で個人のレコードをリンクします。
• epikit：
  • インラインコードの書式設定、冗長列の名前変更、年齢カテゴリの集計、調査の重みの追加、イベントの最も古い日付の検索、z曲線のプロット、母集団カウントの生成、信頼区間による比率の計算を行うためのツールが含まれています。
• epitab：
  • 複数のカテゴリ変数をクロス集計する分割表を作成し、さまざまなサマリーメジャーも計算します。「HTML」、「LaTeX」、「Excel」など、さまざまな形式へのエクスポートがサポートされています。
• EpiStats：
  • ケースコントロール研究とコホート研究の関連性と影響の測定。

データ

ここでは、特定のCOVID-19セクションを持つ研究目的やフィールドアプリケーションに役立つ、シミュレーションまたは実際のさまざまな疫学データセットを提供するパッケージを紹介します。

流行の発生データ

• contactdata：
  • Prem et al. (2017)の補足データのデータ パッケージ。
  • 疫学、人口統計、または社会科学の研究に使用するために、152か国の連絡先データに簡単にアクセスできます。
• outbreaks：
  • RDataまたはテキストファイルとして提供される、経験的またはシミュレートされた病気のアウトブレイク・データ。
• cholera：
  • 1854年のロンドンでのコレラ流行に関するジョン スノーの地図の誤りを修正し、データを補強し、分析を支援します。
• malariaAtlas：
  • ‘Malaria Atlas Project’サーバーからすべての公開されている寄生虫率調査ポイント、蚊発生ポイント、ラスター・サーフェスをダウンロードできるツール・スイートと、ダウンロードされたデータをプロットするためのユーティリティ関数。
• colmozzie：
  • 2008年/52週から2014年/21週までのスリランカのコロンボ地区のデング熱症例と気候変数を毎週通知しました。
• denguedatahub：
  • さまざまなソースから世界中のデング熱データに一元的にアクセスできます。
• epidatr：
  • 米国のインフルエンザ、「COVID-19」、およびその他の疾患のリアルタイムの疫学監視データにアクセスするためのAPIパッケージ。

COVID-19

• bets.covid19：
  • 流行の初期分析のための尤度推論を実装します。
  • BETSは、モデル化されている4つの主要な疫学事象、つまり曝露の開始、曝露の終了、感染の時間、および症状の発症時間の略称です。
  • パッケージには、コロナウイルス感染症（COVID-19）の発生初期における確認症例の軌跡のデータセットが含まれています。
  • 統計的手法の詳細については、Zhao et al. (2020)を参照してください。
• corona：
  • コロナウイルスのデータやその他の社会関連データを基本レベルで操作および表示します。
• coronavirus：
  • 州/地方ごとのコロナウイルス（COVID-19）症例の毎日の概要を提供します。
  • データソース：Johns Hopkins University Center for Systems Science and Engineering (JHU CCSE) Coronavirus
• COVID19：
  • Guidotti and Ardia (2020)で説明されているように、国、地域、都市レベルで政府ソース全体の COVID-19 データをダウンロードします。
  • 「Oxford COVID-19 Government Response Tracker」によるワクチン、検査、症例、死亡、回復者、入院、集中治療、政策措置の時系列が含まれます。
  • 「World Bank Open Data」、「Google Mobility Reports」、「Apple Mobility Reports](https://covid19.apple.com/mobility)」とのシームレスな統合を提供します。
• covid19.analytics：
  • Johns Hopkins University Center for Systems Science and Engineering (JHU CSSE) data repositoryから、新型コロナウイルス感染症（CoViD-19）について報告された世界中の最新時系列データをロードして分析します。
  • データセットは、時系列シーケンスとして、およびより高い空間解像度で最終日について集約された2つの主要なモダリティで利用できます。
  • このパッケージでは、いくつかの分析、可視化、モデリング機能が利用可能で、ユーザーは、世界全体または特定の地理的な場所について、症例総数、変化総数、成長率を計算し、可視化することができ、同時に、これらの傾向を使用してモデルを生成することができます。
  • インタラクティブな視覚化を生成し、病気の蔓延に対する感受性感染回復（SIR）モデルを生成します。
• covid19br：
  • 新型コロナウイルス感染症のパンデミック・データをRにインポートするための関数セット。
  • ブラジルの COVID-19 データは、ブラジルの公式リポジトリ（https://covid.saude.gov.br/）から取得され、国、地域、州、都市レベルで入手できます。
  • このパッケージでは、ジョン ホプキンス大学のリポジトリから世界レベルのCOVID-19データもダウンロードします。
• covid19dbcand：
  • dbparserを使用して「Drugbank」データベースから解析されたさまざまなデータセットを提供します。
  • これは、dbdatasetの小さいバージョンです。
  • これには、新型コロナウイルス感染症の可能な治療法に関する情報のみが含まれています。
• covid19italy：
  • イタリアにおけるコロナウイルス（COVID-19）症例の毎日の概要を国、地域、州レベルごとに提供します。
  • データ ソース：Presidenza del Consiglio dei Ministri – Dipartimento della Protezione Civile
• covid19france：
  • フランスのCOVID-19に関するhttps://github.com/opencovid19-fr/dataデータをインポートしてクリーンアップします。
• covid19mobility：
  • Covid-19発生後のモビリティの傾向をさまざまな情報源から収集します。
  • 現在、このパッケージは Google（https://www.google.com/covid19/mobility/）、Apple（https://www.apple.com/covid19/mobility）からデータを収集しており、その他のデータも追加する予定です。
  • 返されるデータは、きちんとしたCovid19R project data standardと、測定タイプの管理された語彙を使用します。
• covid19nytimes：
  • https://www.nytimes.com/article/coronavirus-county-data-us.htmlで説明し、https://github.com/nytimes/covid-19-dataで利用可能な、NY Times Covid-19の米国の郡レベルのデータにアクセスします。
  • データを使用する場合、またはデータや結果を公的に表示する場合は、必ず元の NY Times の出典を引用してください。
  • https://github.com/nytimes/covid-19-data/blob/master/LICENSEにあるデータ ライセンスに記載されている条件を読んで従ってください。
• covid19sf:
  • サンフランシスコのCovid 19症例のさまざまな概要表を提供します。
  • データ ソース：San Francisco, Department of Public Health – Population Health Division
• covid19swiss：
  • スイスの各州およびリヒテンシュタイン公国におけるコロナウイルス (COVID-19) 症例の毎日の概要を提供します。
  • データ ソース：チューリッヒ州オープン ガバメント データ専門家ユニット https://www.zh.ch/de/politik-staat/opendata.html。
• covid19us：
  • 米国における 新型コロナウイルス感染症（COVID-19）の症例に関するデータを提供する「新型コロナウイルス追跡プロジェクト API」https://covidtracking.com/api/のラッパーです。
• CovidMutations：
  • 新型コロナウイルス感染症（COVID-19）の変異分析および逆転写ポリメラーゼ連鎖反応（RT-PCR）アッセイ評価のための実現可能なフレームワーク。
  • これには、変異プロファイルの視覚化、統計、各アッセイの変異率が含まれます。
  • 変異率は、大規模なサンプルにおけるRT-PCRアッセイの適用範囲を評価するのに役立ちます。
  • Mercatelli, D. and Giorgi, F. M. (2020)
• covidregionaldata：
  • 英国のイングランド公衆衛生局（Public Health England）などの公式ソースと、世界保健機関（WHO）、欧州疾病予防管理センター（ECDC）、ジョン・ホプキンス大学（JHU）、Google Open Dataなどの他のCOVID-19データコレクションの両方から入手した地方レベルおよび国家レベルのCOVID-19データへのインターフェース。
  • このパッケージは、オープンかつ透過的な方法で、さまざまなデータ ソースからのCOVID-19データの抽出、クリーニング、処理を合理化するように設計されています。
  • サポートされているすべての国について、データには日次の時系列の症例と、入手可能な場合は死亡、入院、検査に関するデータが含まれます。

その他のデータパッケージ

• nhanesA:
  • 国民健康栄養調査（NHANES）データ・テーブルへの簡単なアクセスを提供します。
• epimdrとepimdr2：
  • O. Bjornstad著「Epidemics: Models and Data in R」の関数とデータを収録したコンパニオンパッケージで、それぞれ第1版と第2版が収録されています。