一种用于估计疾病风险趋势与突变的自适应时空平滑模型
应用统计
2016-04-19 v2
摘要
用于从区域单元数据估计疾病风险时空模式的统计模型，通常利用已知协变量和一组空间平滑随机效应来表示每个时间段的风险表面。后者作为未测量空间混杂因素的代理，其空间结构特征通常表现为：部分相邻区域单元对之间存在空间平滑演变，而其他对之间则表现出巨大的突变。这种空间异质性与现有的全局平滑模型不一致，后者假设所有相邻空间随机效应对之间均存在偏相关。因此，我们提出了一种具有自适应空间平滑规范的新型时空疾病模型，该模型能够识别突变。该模型的动机源于对英格兰各地方当局呼吸系统和循环系统疾病风险的一项新研究，并通过模拟进行了严格测试以评估其有效性。英格兰研究的结果表明，这两种疾病的风险具有相似的空间模式，并且在相邻地方当局之间未测量的风险成分中表现出若干共同的突变。
引用
@article{arxiv.1411.0924,
title = {An adaptive spatio-temporal smoothing model for estimating trends and step changes in disease risk},
author = {Alastair Rushworth and Duncan Lee and Christophe Sarran},
journal= {arXiv preprint arXiv:1411.0924},
year = {2016}
}