用于计数建模的分层多元时空方法及其在卒中死亡率数据中的应用
统计方法学
2018-01-23 v1 应用统计
摘要
地理模式在卒中死亡率中的研究可追溯到20世纪60年代，当时美国东南部一个地区因其异常高的卒中死亡率被称为“卒中带”。虽然已知卒中死亡率随年龄呈指数增长，但由于小人口规模和/或各年龄组卒中事件少，对县级按年龄组的时空趋势调查令人却步。在此，我们利用一个复杂的、不可分离的分层多元时空模型，该模型在空间、时间和年龄组之间借用强度，以获得1973年至2013年间美国65岁以上各县县级年度死亡率的可靠估计。此外，我们提出了一种替代指标来衡量事件率随时间的变化，该指标考虑了县事件率的完整轨迹，而非仅比较研究期开始和结束时的率。在我们的卒中数据分析中，我们识别了各年龄组死亡率的不同时空趋势，揭示了深南部取得的进展，并提供了可分离模型不适合这些数据的证据。
引用
@article{arxiv.1602.04528,
title = {Hierarchical multivariate space-time methods for modeling counts with an application to stroke mortality data},
author = {Harrison Quick and Lance A. Waller and Michele Casper},
journal= {arXiv preprint arXiv:1602.04528},
year = {2018}
}