李晓松，四川大学华西公共卫生学院院长、华西第四医院院长。流行病与卫生统计学教授、博士生导师。先后毕业于重庆医科大学、中国协和医科大学和华西医科大学，分别获医学学士、硕士和博士学位。2000年至2001年在美国华盛顿大学作高级访问学者。国家自然科学杰出青年基金（B）获得者。现任国际生物统计学会中国分会副主席、英国皇家统计学会Fellow；中国卫生信息学会卫生统计学教育专业委员会主任委员、统计理论与方法专业委员会常委、公共卫生信息专业委员会常委；教育部高等学校公共卫生与预防医学类专业教学指导委员会委员。担任《现代预防医学》杂志主编、《中国卫生统计》杂志副主编和《中华预防医学》杂志编委，普通高等教育“十一五”国家级规划教材《医学统计学》主编。长期从事卫生统计学教学和科研工作，主持并完成多项国家级、部省级以及国际组织科研项目，近年在包括国际生物统计学顶级学术期刊在内的国内外期刊发表学术论文数十篇，出版学术专著和教材十余部。
　　
　　冯子健，中国疾病预防控制中心副主任、研究员。先后毕业于河南医科大学和中国协和医科大学，分别获医学学士和硕士学位。2009年至2010年在美国疾病预防控制中心传染病监测控制和卫生应急管理等部门访学。现任卫生部卫生应急专家咨询委员会委员、卫生部疾病控制专家咨询委员会委员、教育部应急专家委员会委员、国家质量监督检验检疫总局卫生检疫专家委员会委员；中华医学会公共卫生分会候任主任委员、北京市预防医学会流行病学分会副主任委员、北京市卫生应急专家委员会委员。担任《中华预防医学》《中国疫苗与免疫》《现代预防医学》和《中国公共卫生》等杂志编委。长期从事传染病防控、卫生应急和儿童免疫规划等方面的专业技术和管理工作，承担并完成多项国家级、部省级以及国际组织研究项目，在New England Journal of Medicine、Lancet、Journal of Infectious Disease、Emerging Infectious Disease、Health Affairs和Epidemiology等国际和国内学术期刊发表论文80余篇、参编（译）专业著作多部。

　　《传染病时空聚集性探测与预测预警方法》是在国家自然科学基金和国家卫生行业科研专项项同研究基础上完成的，收录了20余位博士和硕士研究生的研究成果。全书共分5篇22章。“概论篇”对传染病数据的数据特征、结构、来源及质量进行介绍，并对当前时空分析方法进行综述；“空间聚集性探测篇”“时间序列分析篇”“时空联合预警篇”“时空变异及规律挖掘篇”分别围绕传染病预测预警技术、时空变异及其影响因素分析和挖掘展开，具体统计学方法按概述、基本原理与实例分析三部分进行讨论，并配有相应分析软件的简要介绍。与为数不多的同类书相比，《传染病时空聚集性探测与预测预警方法》更加全面、系统、先进，具有较高的学术价值和实用价值。
　　主要读者对象：高等学校、科研机构从事传染病流行病学和卫生统计学研究和教学的人员，各级疾病预防控制中心从事传染病防控工作的专业人员。

概论篇
1. 传染病数据
1.1 传染病监测
1.2 监测数据特征
1.2.1 传染病数据在空间上的特征
1.2.2 传染病数据在时间上的特征
2. 时空分析方法概述
2.1 空间聚集性探测
2.2 时间序列分析
2.3 时空联合预警
2.4 时空变异及其规律挖掘

空间聚集性探测篇
3. Knox方法
3.1 概述
3.2 基本原理
3.2.1 Knox方法的基本形式
3.2.2 时间、空间临界值的确定
3.2.3统计推断方法
3.2.4 时空聚集强度的确定
3.3 实例分析
3.3.1 流行性乙型脑炎聚集性分析结果
3.3.2地区差异
3.3.3年龄差异
3.3.4 地区差异与年龄差异之间的关联
3.3.5应用小结
4. Rogerson空间模式监测
4.1 概述
4.2 基本原理
4.2.1 Tango方法原理及其改进
4.2.2 累积和方法原理及参数设置
4.3 实例分析
4.3.1 分析结果
4.3.2应用小结
5. Turnbull方法
5.1 概述
5.2 基本原理
5.3 实例分析
5.3.1 发病概况
5.3.2流行病学特征
5.3.3 空间聚集性分析
5.3.4应用小结
6. Besag-Newell方法
6.1 概述
6.2 基本原理
6.3 实例分析
6.3.1 分析结果
6.3.2应用小结
时间序列分析篇
7. 时间序列基本框架及概念
8. ARIMA模型
8.1 概述
8.2 基本原理
8.2.1 ARIMA模型
8.2.2季节效应的处理
8.3 实例分析
8.3.1 肺结核ARIMA建模
8.3.2 猩红热X-11-ARIMA建模
9. 条件异方差模型
9.1 概述
9.2 基本原理
9.2.1 异方差的判断
9.2.2 ARCH模型
9.2.3 GARCH模型
9.2.4 GARCH模型的变体
9.2.5 AR-GARCH模型
9.3 实例分析
10. 马尔可夫模型
10.1 概述
10.2 基本原理
10.2.1 马尔可夫链
10.2.2 马尔可夫链模型
10.3 实例分析
10.3.1 方法和结果
10.3.2讨论
11. 隐马尔可夫模型
11.1 概述
11.2 基本原理
11.2.1 基本概念
11.2.2 HMMs的三个基本问题及算法
11.2.3 贝叶斯HMMs
11.3 实例分析
11.3.1 贝叶斯估计
11.3.2 贝叶斯隐马尔可夫建模
11.3.3 应用小结
12. Cyclical回归模型
12.1 概述
12.2 基本原理
12.3 实例分析
12.3.1 流感Cyclical回归
12.3.2应用小结
13. 神经网络
13.1 概述
13.2 基本原理
13.2.1 BP神经网络
13.2.2 小波神经网络
13.3 实例分析
13.3.1 梅毒发病率的预测
13.3.2 肾综合征出血热发病率的预测
13.3.3 应用小结
14. 模糊时间序列
14.1 概述
14.1.1 模糊集合理论起源及应用
14.1.2 模糊时间序列基本概念
14.2 基本原理
14.2.1 模糊时间序列
14.2.2 模糊时间序列建模
14.3 实例分析
14.3.1 肾综合征出血热模糊时间序列模型
14.3.2应用小结

时空联合预警篇
15. 时空扫描统计量
15.1 概述
15.2 基本原理
15.2.1 概率模型
15.2.2无效和备择假设
15.2.3 扫描统计量的构建
15.2.4随机化检验
15:2.5检验效能
15.2.6 次级聚集性区域
15.2.7 扫描窗口形态的拓展
15.3 实例分析
15.3.1 分析结果
15.3.2应用小结
16. WSARE
16.1 概述
16.2 基本原理
16.2.1 基于历史数据的基线
16.2.2 基于贝叶斯网络的基线
……
时空变异及规律挖掘篇