利用广义线性地统计模型整合多源空间参考患病率调查数据

来自多项患病率调查的数据可提供关于共同感兴趣参数的信息，因此与对每项调查数据进行单独分析相比，联合分析能更精确地估计这些参数。然而，在未检验所有调查均针对同一推断目标这一隐含假设之前，不宜将单一模型拟合至多项调查的合并数据。本文提出了一种多元广义线性地统计模型，该模型容纳了调查间的两种异质性来源，以校正非随机化调查中的空间结构化偏差，并允许基础患病率曲面在连续调查期间之间存在时间变异。我们描述了一种用于参数估计的蒙特卡洛最大似然程序，并通过模拟实验展示了在联合模型中考虑调查间不同异质性来源如何带来更精确的推断。我们描述了该方法在马拉维南部奇克瓦瓦区多项疟疾患病率调查中的应用，并讨论了此方法如何为混合抽样策略提供依据，该策略结合随机化与非随机化调查的数据，以最高效地利用所有可用数据。