用于从口头尸检数据推断死因的贝叶斯分层因子回归模型
应用统计
2022-07-27 v2
摘要
在生命登记死亡不常规的低收入环境中，确定和研究个体的死因（COD）以及人群的原因别死亡分数（CSMF）通常至关重要。被视为 COD 指派金标准的死后尸检，常因死亡发生在医院外、费用和/或文化规范而难以或无法实施。为此，通常进行口头尸检（VAs），包括对死者亲属进行的问卷，记录人口统计信息、已知医疗状况、症状及死者的其他因素。本文提出一类新颖的分层因子回归模型，其避免了标准方法的限制性假设，允许均值和协方差随 COD 类别变化，并可包含关于死者、地区或死亡周围事件的协变量信息。采用贝叶斯推断方法，本工作开发了 MCMC 算法，并在模拟实验中验证了用于口头尸检的因子回归（FARVA）模型。将 FARVA 应用于真实 VA 数据显示，在推断 COD 和 CSMF 方面比竞争方法具有更好的拟合优度和预测性能。代码和用户手册可在 https://github.com/kelrenmor/farva 获取。
引用
@article{arxiv.1908.07632,
title = {Bayesian Hierarchical Factor Regression Models to Infer Cause of Death From Verbal Autopsy Data},
author = {Kelly R. Moran and Elizabeth L. Turner and David Dunson and Amy H. Herring},
journal= {arXiv preprint arXiv:1908.07632},
year = {2022}
}