用于不完整慢性病负担数据的贝叶斯多状态建模
应用统计
2023-03-23 v1
摘要
一种广泛用于确定公共卫生干预长期健康影响的模型(常称为“多状态生命表”)需要按年龄和性别估计多种疾病的发病率、病例致死率，有时还包括缓解率。通常，并非每种疾病和环境下都能获得发病率与病例致死率的直接数据。例如，我们可能知道人群死亡率和患病率，而非病例致死率和发病率。本文提出贝叶斯连续时间多状态模型，用于基于不完整数据估计疾病状态间的转移率。该方法在前人方法基础上，采用具有透明数据生成假设的正式统计模型，同时提供作为R包的易用软件。不同年龄段和地区人群的比率可通过样条或层次模型灵活关联。先前的方法也被扩展以允许通过日历时间的年龄特异性趋势。该模型用于基于全球疾病负担研究的发病率、患病率和死亡率数据，估计英格兰城市地区多种疾病的病例致死率。这些估计可用于为涉及这些疾病和地区的健康影响模型提供信息。我们比较了关于比率的不同假设，并检验了不同数据源的影响。
引用
@article{arxiv.2111.14100,
title = {Bayesian multistate modelling of incomplete chronic disease burden data},
author = {Christopher Jackson and Belen Zapata-Diomedi and James Woodcock},
journal= {arXiv preprint arXiv:2111.14100},
year = {2023}
}