高维无序多元空间疾病制图
统计方法学
2023-07-24 v1 统计计算
摘要
尽管近年来关于疾病制图的研究很多，但由于实现困难和计算负担，多元模型在面元空间数据中的使用仍然有限。当小区域数量非常大时，这些问题会加剧。在本文中，我们引入了一种无序多元可扩展贝叶斯建模方法，以同时平滑多种疾病的死亡（或发病）风险。该提议将空间域划分为较小的子区域，在每个子区域中拟合多元模型，并获得整个空间域上相对风险的后验分布。该方法还提供了每个分区内疾病空间模式之间的后验相关性，这些相关性通过共识蒙特卡洛算法进行组合，以获得整个研究区域的相关性。我们在 R 包 bigDM 中使用集成嵌套拉普拉斯近似（INLA）实现了该提议，并用它联合分析了西班牙市镇的结直肠癌、肺癌和胃癌死亡率数据。这一新提议允许分析大数据集，并提供比拟合单个多元模型更好的结果。
引用
@article{arxiv.2210.14849,
title = {High-dimensional order-free multivariate spatial disease mapping},
author = {G. Vicente and A. Adin and T. Goicoa and M. D. Ugarte},
journal= {arXiv preprint arXiv:2210.14849},
year = {2023}
}