人群健康数据的贝叶斯分析
应用统计
2021-02-03 v1
摘要
对全人群数据集的分析可揭示大规模人群的健康状况，使公共卫生官员能够做出数据驱动的决策。此类数据集的分析通常需要高度参数化的模型，包含不同类型的固定效应和随机效应，以解释风险因素、空间与时间变化、多层次效应及其他不确定性来源。为说明贝叶斯分层模型的潜力，我们使用波兰国家健康基金发布的约50万居民数据集（含两年期缺血性卒中发病信息），采用不同模型进行分析。考虑空间逻辑回归与生存模型，以分析个体卒中概率及缺血性卒中事件发生时间。人口统计学与社会经济学变量以及药物处方信息在个体层面可得。空间变异通过区域层面随机效应加以考虑。
引用
@article{arxiv.2102.01612,
title = {Bayesian analysis of population health data},
author = {Dorota Młynarczyk and Carmen Armero and Virgilio Gómez-Rubio and Pedro Puig},
journal= {arXiv preprint arXiv:2102.01612},
year = {2021}
}