尽管已经经历了工业革命，19世纪的英国对于公共卫生的重视还远远不够，各种烈性传染病时有发生。1840s末期，伦敦又爆发了严重的霍乱疫情，不少人死去。
当时主流的理论认为霍乱是靠“肮脏的空气”传染的。但是又怎么可能识别和隔离“肮脏的空气”呢？所以当时对霍乱的预防其实是毫无办法的——理论的误导太严重了。一个年少有为的医生，John Snow，这时已经是伦敦皇家外科医学院和伦敦皇家内科医学院的双料成员，盯上了这个问题。他不太相信空气传播霍乱的说法，认为水里携带的细菌才是主因。他用几年时间，走遍伦敦进行调研和病情记录，绘制了一系列的点图。比如：
从图中可以清晰看到，霍乱的发生跟地点的关系很大，呈中心发散型。这就很大程度上挑战了“空气传染”说，因为如果是空气传染的话，霍乱的发生应该是比较均匀的才对。同时这个研究也提供了很强的证据支持霍乱是水传播的。就在图的中心，Snow将传染源锁定为一个公共抽水机（从被污染了的泰晤士河里取水），并说服政府将抽水机挪走。尽管这个研究后来还有一些波折，这里按下不表，无论如何，Snow的工作大大开拓了当时的研究视野。
这就是Snow锁定的抽水机，现在已经成了一个地标：
这就是早期的最有影响力的spatial analysis的研究！从中可以受到启发，关键的是两块信息：
（1） 某个outcome （eg 霍乱的发生）
（2）地理位置
这个outcome可以千变万化，疾病发生率，死亡率，收入水平，就业率，入学率等等。地理位置也可以上至大洲大洋，下至左邻右坊，可以是单中心，也可以多中心，可以有不同类型的分布，不同的方差，等等等等。当信息量超过一定程度，就需要更好用的数学模型，更有效率的算法，更强大的硬件……所以这个领域能结合各学科知识，能重新诠释很多问题。就像课上老师说的：given enough ata,with spatial analysis you coul act like a Go!
我们已经得到了一个信息：疾病的发病率跟地理位置是相关的，所以spatial analysis在生物统计方面应该是大有用处的。但是以前这方面的研究很少，没别的，就是缺少数据。
做isease mapping是统计学和公共卫生交叉的一个未来研究趋势，在北美已经做了不少了，中国在这一块潜力很大。
北美的isease mapping开始得早，所以应用的也早。比如加拿大的British Columbia省，就有这个很好的官网：iMapBC
在网页地图里选择某种outcome（比如心脏病），很快就会显示这个outcome在各地的发病率是多少，非常直观，很容易看到跟location的关系，从而有助于政府制定相关的预防措施。
2.目的。我们能用isease mapping干什么？
了解疾病在各地的发生
预测各地的疾病发生率
测量地区之间在疾病发生率上的差异
总结数据的“pattern”，看看有什么规律没有
这一切都是为了能够更好的评估各地的health service outcome，从而将有限的资源更加合理地分配，实现最大化的效用。比如蒙古和卢旺达在Ebola上的发病率肯定是显著不同的，联合国要援助，显然是要先援助卢旺达。但是卢旺达和纳米比亚相比？这就需要更加精细的spatial analysis了
3.未来发展的方向。
随着更先进的卫星、更庞大的监测体系、更长跨度的跟踪，我们会有更加丰富也更加复杂的数据，体现在：
Areal ata：现在往往是以省、市为单位做Bayesian spatial analysis，将来一定囊括比现在更广阔的地区；
Multilevel ata：现在基本是三级数据已经很难得，将来的数据会有更多的层级；
Dynamic ata：现在的数据还基本是静态数据，将来也许会容纳很多的动态数据，来反映即时的位置变化和状态变化。
【微语】愿你走出半生，归来仍是少年。愿你留学一遭，回首有爱相伴。
