基于马尔可夫链的公共卫生空间聚类相对风险预测方法
统计方法学
2025-12-23 v1 应用统计
摘要
预测空间聚类的相对风险（RR）是公共卫生中的一项复杂任务，可通过各种统计和机器学习方法实现，针对不同的时间间隔。然而，缺乏高分辨率的纵向数据往往难以成功应用此类方法。本研究旨在进一步发展和测试我们前一工作中提出的新方法，以在纵向数据有限的情况下实现准确的顺序RR预测。具体而言，我们首先使用著名的似然比检验识别用户定义时间间隔内的显著空间聚类。随后，我们应用马尔可夫链建模方法预测每个时间间隔的RR值。我们的发现表明，所提出的方法在COVID-19发病率数据上性能优于前一研究中针对死亡率数据的模型。此外，增加时间间隔的数量可提高所提出的马尔可夫链建模方法的准确性。
引用
@article{arxiv.2512.19635,
title = {A Markov Chain Modeling Approach for Predicting Relative Risks of Spatial Clusters in Public Health},
author = {Lyza Iamrache and Kamel Rekab and Majid Bani-Yagoub and Julia Pluta and Abdelghani Mehailia},
journal= {arXiv preprint arXiv:2512.19635},
year = {2025}
}