SaTScan汉化破解版是一款非常专业的用于空间、时间和时空扫描统计的软件，使用将为用户提供丰富的功能，使用能够帮助用户执行地理疾病监测，检测空间或时空疾病集群，测试是否是随机分布在空间、时间或在空间和时间，也可以用于离散和连续数据的扫描，软件广泛应用于 考古，天文学，植物学，犯罪学，生态学，经济学，工程学，林业，遗传学，地理学，地质学，历史，神经学或动物学等其他领域的类似问题等多个领域，界面简单直观，使用也很容易，提供诸多分析扫描统计项目，有需要的朋友不要错过了！
安装教程
1、在本站下载并解压，双击install-9.5_windows.exe运行，如图所示，点击next
2、勾选我接受该许可证协议中的条款，点击next
3、点击浏览按钮选择安装路径，点击next
4、安装中，稍等片刻
5、安装完成，点击next按钮
7、点击done按钮结束安装
功能特色
1、对疾病进行地理监视，以检测时空或时空疾病群，并查看它们是否具有统计学意义。
2、测试疾病是否随机分布在空间，时间或空间和时间上。
3、评估疾病群集警报的统计意义。
4、进行定期的定期疾病监测以及早发现疾病暴发。
5、该软件还可用于其他领域的类似问题，例如考古学，天文学，植物学，犯罪学，生态学，经济学，工程学，林业，遗传学，地理学，地质学，历史，神经病学或动物学。
6、数据类型和方法，SaTScan使用基于Poisson的模型，根据已知的潜在风险人群，地理区域中事件的数量是Poisson分布的；伯努利模型，其中包含案例和控件等事件数据为0/1；仅使用案例数据的时空排列模型；一个序数模型，用于排序的分类数据；有或没有删失变量的生存时间数据的指数模型；或其他类型的连续数据的普通模型。数据可以在人口普查区，邮政编码，县或其他地理级别上汇总，或者每个观察值都有唯一的坐标。SaTScan会针对背景人群的潜在空间不均匀性进行调整。它还可以针对用户提供的任意数量的分类协变量以及时间趋势进行调整，已知的时空群集和数据丢失。可以同时扫描多个数据集以查找其中一个或多个中出现的群集。
安装说明
此应用程序需要Java运行时环境。请安装Java 1.6或higher.Min：1.6.001
使用说明
一、统计方法论
对于所有离散的空间和时空分析，用户必须提供包含一组位置的空间坐标（坐标文件）的数据。对于每个位置，数据还必须包含有关该位置的案例数的信息（案例文件）。对于时间和时空分析，病例数必须按时间分层，例如诊断时间。根据分析的类型，还可以提供有关病例的其他信息，例如年龄，性别，体重，生存时间和/或癌症分期。对于伯努利模型，还需要指定每个位置（控件文件）的控件数量。对于离散泊松模型，用户必须为每个位置（填充文件）指定人口规模。人口可能随时间而变化。
扫描统计信息用于在纯粹的时间，纯粹的空间或时空设置下检测和评估案例集群。这是通过在时间和/或空间上逐步扫描窗口来完成的，并注意每个位置在窗口内观察到的和预期的观察数。在SaTScan软件中，扫描窗口是一个间隔（在时间上），一个圆形或一个椭圆（在空间上）或具有圆形或椭圆形底面的圆柱（在时空上）。也可以在特殊文件中指定您自己的非欧氏距离结构。使用多个不同的窗口大小。具有最大似然性的窗口是最可能的群集，即，最不可能归因于偶然性的群集。将p值分配给该群集。
扫描统计信息根据数据的性质使用不同的概率模型。伯努利，离散泊松或时空排列模型用于计数数据，例如哮喘患者的人数；多项式模型用于分类数据，例如癌症组织学；用于排序分类数据（例如癌症分期）的序数模型；有或没有审查的生存时间数据的指数模型；以及其他连续数据（如出生体重或血铅水平）的正常模型。 SaTScan软件中使用的时空扫描统计背后的一般统计理论由Kulldorff（1997）1详细描述了伯努利模型，离散泊松模型和连续泊松模型。由Kulldorff等人撰写。 （2005）5的时空排列模型；由Jung等人撰写。 （2008）6的多项式模型；由Jung等人撰写。 （2007）7对于序数模型；由Huang等人撰写。 （2006）8 Kulldorff等人的指数模型。 （2009）9为正常模型，作者为Huang等。 （2009）10带权重的普通模型。请阅读这些文件以获取每种型号的详细说明。在这里，我们仅给出简短的非数学描述。
对于所有离散概率模型，扫描统计量会针对背景人群的不均匀地理密度进行调整。对于所有模型，分析均以观察到的病例总数为条件。
二、时空，时空扫描统计
1、空间扫描统计
标准的纯空间扫描统计量在地图上强加了一个圆形窗口。 窗口依次位于整个研究区域内几个可能的网格点的中心。 对于每个网格点，窗口的半径大小从零到用户指定的某个上限连续变化。 这样，圆形窗口在位置和尺寸上都是灵活的。 总体而言，该方法创建了无数个不同的地理圈，其中有不同组的相邻数据位置。 每个圆都是一个可能的候选簇。
用户定义通过网格文件使用的一组网格点。 如果未指定网格文件，则将网格点设置为与坐标文件中定义的位置ID的坐标相同。 后一个选项可确保每个数据位置本身就是一个潜在的簇，这是大多数类型分析的推荐选项。
作为圆形的替代，也可以使用椭圆形的窗口形状，在这种情况下，一组具有不同形状和角度的椭圆与圆形一起用作扫描窗口。 这为形状较长且较窄的真实簇提供了更高的功率，为圆形和其他非常紧凑的簇提供了更低的功率。
也可以使用特殊的邻居文件定义自己的非欧几里得距离度量。
2、时空扫描统计
时空扫描统计信息由具有圆形（或椭圆形）地理基础且高度与时间相对应的圆柱窗口定义。 基准的定义与纯空间扫描统计完全相同，而高度则反映了潜在簇的时间段。 然后，圆柱窗口在时空上移动，因此对于每个可能的地理位置和大小，它也会访问每个可能的时间段。 实际上，我们获得了无数个大小和形状不同的重叠圆柱体，共同覆盖了整个研究区域，每个圆柱体都反映了一个可能的簇。
时空扫描统计信息可以用于使用历史数据的单个回顾性分析，也可以用于定期（例如每天，每周，每月或每年）进行分析的定期定期监视。
3、纯时间扫描统计
时间扫描统计信息使用在一个维度，时间上移动的窗口，该窗口的定义方式与时空扫描统计信息所使用的圆柱体的高度相同。 这意味着它在开始日期和结束日期方面都非常灵活。 最大时间长度在“时间窗口”选项卡上指定。
4、季节性扫描统计
季节性扫描统计信息是纯时间扫描统计信息，其中所有数据都处于连接循环中，例如年份，其中12月31日之后是1月1日。与季节性扫描统计信息和纯时间扫描统计信息区别开的关键特征是 它会忽略进行观察的年份，而只关心日期和月份。 检测到的群集可能覆盖环路连接的位置，例如12月24日至1月13日的群集，在2010-2011年的分析中，它将包括三个时间段：2010年初，2010/11新年前后的日子 ，以及2011年底。 季节性扫描统计信息还可用于完全不与时间相关的，循环连接的线路上的其他类型的数据，例如沿湖岸收集的数据。最小和最大时间长度可以在“时间窗口”选项卡上指定。
