具有区域数据随机划分时间依赖性的贝叶斯多元模型

世界上一半以上的人口面临蚊媒疾病的风险，这每年导致数百万病例和数十万人死亡。分析这类数据通常很复杂，并带来若干有趣的挑战，主要是由于地理区域广阔、独特的时间行为以及感染之间的潜在相关性。研究动机源于对热带疾病数据的分析，即 2018 年至 2022 年巴西东南部所有 145 个微区域中由同一种蚊子传播的两种虫媒病毒（登革热和基孔肯雅热）的病例数。作为对多元疾病数据文献的贡献，我们开发了一个灵活的贝叶斯多元时空模型，其中时间依赖性针对区域聚类定义。该模型具有区域数据随机划分的先验分布，该分布结合了邻域信息，从而鼓励形成少量连续聚类的图谱，并阻止具有不连通区域的聚类。该模型还将自回归结构和与季节模式相关的项纳入疾病和聚类特定的时间分量中。它还考虑了多元有向无环图自回归结构，以适应空间和疾病间依赖性，便于解释空间相关性。我们通过模拟研究探索了模型的性质，并证明了我们的提议与竞争替代方案相比表现良好。最后，我们将该模型应用于激励数据集，具有双重目标：对某些疾病时间趋势相似的区域进行聚类，并探索由同一种蚊子传播的两种疾病之间潜在的时间/空间相关性。