一种考虑尺度缩放与重尾潜效应的贝叶斯层次疾病制图模型

在疾病制图中，通常估计感兴趣区域内不同地区疾病的相对风险。某地区病例数常假设服从泊松分布，其均值分解为一个偏移量与疾病相对风险对数之积。对数风险可写为固定效应与潜随机效应之和。BYM2 模型将每个潜效应分解为独立效应与空间效应的加权和。我们在 BYM2 模型基础上，在考虑固定效应后，允许重尾潜效应并容纳潜在的离群风险。我们假设一种尺度混合结构，其中潜过程的方差随地区变化并允许离群点识别。我们针对该尺度混合参数提出两种先验设定。通过模拟研究以及对巴西里约热内卢市第一次（2015-2016）寨卡疫情病例的分析对它们进行比较。模拟研究表明，就模型评估准则 WAIC 与离群点检测而言，这两种所提参数化在捕捉离群点方面优于 Congdon（2017）提出的模型。特别地，在离群点为相邻时，所提参数化在离群点检测方面比 Congdon 的更高效。我们对寨卡病例的分析在考虑社会发展指数后，发现里约 160 个区中有 19 个为潜在离群点。我们的所提模型可帮助优先干预并识别病例记录中的潜在问题。