高空间分辨率面域数据短期疾病预测的可扩展方法
统计方法学
2023-11-01 v1 统计计算
摘要
在特定离散空间分辨率下的短期疾病预测已成为健康规划中高影响力的决策支持工具。然而，当区域数量非常大时，使用标准时空模型获得预测可能计算密集甚至不可行。本文旨在基于新提出的“分而治之”方法，提供高维面域数据的短期预测方法。我们在一項使用西班牙本土 7907 个市镇的癌症死亡率数据的验证研究中，评估了该方法与其他经典时空模型的预测性能。在预测未来一至三年癌症死亡率时，新方案在平均绝对误差、均方根误差和区间评分方面均优于传统模型。模型在完全贝叶斯框架下使用著名的集成嵌套拉普拉斯（INLA）估计技术实现。
引用
@article{arxiv.2303.16549,
title = {A scalable approach for short-term disease forecasting in high spatial resolution areal data},
author = {E. Orozco-Acosta and A. Riebler and A. Adin and M. D. Ugarte},
journal= {arXiv preprint arXiv:2303.16549},
year = {2023}
}