融合多诊断空间参考疾病患病率数据的地理统计框架
应用统计
2018-08-10 v1
摘要
由于资源有限或因为它们提供关于所研究疾病流行病学的互补信息，常常使用多种诊断测试。现有的融合多诊断患病率数据的统计方法忽略了数据中空间相关性引起的潜在过离散。为解决此问题，我们开发了一个地理统计框架，通过考虑两类主要的推断问题来实现多诊断数据的联合建模：（1）利用低成本且可能有偏的替代测试预测金标准诊断的患病率；（2）进行多测试的联合患病率预测。我们将所提出的框架应用于两个案例研究：使用显微镜和名为 RAPLOA 的基于问卷的测试绘制中非和西非的 Loa loa 患病率地图；使用聚合酶链反应和快速诊断测试绘制肯尼亚西部高地恶性疟原虫（Plasmodium falciparum）疟疾患病率地图。我们还开发了一种基于变异函数（variogram）的蒙特卡洛过程，以识别与数据相容的简约地理统计模型。我们的研究强调了（i）考虑诊断特异性残差空间变化的重要性，以及（ii）从联合地理统计建模中获得的益处，从而提供更可靠和精确的疾病患病率推断。
引用
@article{arxiv.1808.03141,
title = {A Geostatistical Framework for Combining Spatially Referenced Disease Prevalence Data from Multiple Diagnostics},
author = {Benjamin Amoah and Emanuele Giorgi and Peter Diggle},
journal= {arXiv preprint arXiv:1808.03141},
year = {2018}
}