具有灵活共享交互的多变量贝叶斯模型用于分析罕见癌症的时空模式
统计方法学
2025-07-30 v2 应用统计
摘要
罕见癌症每年影响全球数百万人。然而，估计与罕见癌症相关的发病率或死亡率存在重大困难，并提出了新的统计方法学挑战。本文通过引入可适应的共享时空分量，扩展了多变量时空模型集合，以对罕见癌症病例中的发病率与癌症死亡率进行全面分析。这些模型允许调节发病率与死亡率之间的时空效应，使其关系随时间发生变化。新模型已使用 r-generic 构造在 INLA 中实现。我们开展了一项模拟研究以评估新时空模型的性能。结果表明，包含灵活共享时空项的多变量时空模型优于为每个健康结果包含特定时空效应的传统多变量时空模型。我们使用这些模型分析了 2002 年至 2019 年间 9 个双年度周期内，大不列颠 142 个医疗行政区中男性的胰腺癌与白血病发病率及死亡率数据。
引用
@article{arxiv.2403.10440,
title = {Multivariate Bayesian models with flexible shared interactions for analyzing spatio-temporal patterns of rare cancers},
author = {Garazi Retegui and Jaione Etxeberria and María Dolores Ugarte},
journal= {arXiv preprint arXiv:2403.10440},
year = {2025}
}
备注
40 pages, 12 figures