用于估计血清阳性率趋势的大规模时空二项回归模型
应用统计
2018-11-06 v1
摘要
本文开发了一个大规模贝叶斯时空二项回归模型，旨在研究伯氏疏螺旋体（莱姆病的病原体）抗体阳性率的区域趋势。所提出的模型使用高斯预测过程来估计空间变化的趋势，并使用条件自回归模型来考虑时空依赖性。我们仔细考虑并开发了一个可扩展至大规模时空数据的新框架。该模型用于分析在六十个月期间从美国本土各地收集的约 1600 万份犬类伯氏疏螺旋体检测结果。该分析识别出若干犬类风险上升的区域。具体而言，该分析揭示了莱姆病在一些流行区域正在恶化，并可能正在向其他非流行区域扩散的证据。此外，鉴于这种媒介传播疾病的人畜共患性质，该分析可能揭示人类风险增加的区域。
引用
@article{arxiv.1803.11194,
title = {A Large Scale Spatio-temporal Binomial Regression Model for Estimating Seroprevalence Trends},
author = {Stella Watson Self and Christopher McMahan and D. Andrew Brown and Robert Lund and Jenna Gettings and Michael Yabsley},
journal= {arXiv preprint arXiv:1803.11194},
year = {2018}
}
备注
19 pages without figures. All figures are available as ancillary files