基于贝叶斯空间模型量化费城死产与早产的患者及社区风险
应用统计
2024-06-17 v5 统计方法学
摘要
死产与早产是重大公共卫生挑战。我们利用贝叶斯空间模型,量化了费城地区患者特异性和社区层面的死产与早产风险。我们将2010年至2017年Penn Medicine医院电子健康记录中的出生数据与来自美国人口普查局的普查区层面数据进行了关联。我们发现,患者层面特征(如自我认定的种族/民族)和社区层面特征(如暴力犯罪)均与患者的死产或早产风险显著相关。我们的社区分析发现,与低风险普查区相比,高风险普查区的死产平均风险为2.68倍,早产平均风险为2.01倍。社区中贫困或接受公共援助的女性比例较高与这些结局的社区风险增加显著相关,而受过大学教育的女性或参与劳动力市场的女性比例较高则与风险降低显著相关。这些社区关联中有若干被患者层面分析所遗漏。这些结果表明,对不良妊娠结局的社区层面分析可揭示细微关系,因此应被流行病学家纳入考虑。我们的发现有可能指导基于地点的公共卫生干预以降低死产和早产率。
引用
@article{arxiv.2105.04981,
title = {Quantifying patient and neighborhood risks for stillbirth and preterm birth in Philadelphia with a Bayesian spatial model},
author = {Cecilia Balocchi and Ray Bai and Jessica Liu and Silvia P. Canelón and Edward I. George and Yong Chen and Mary R. Boland},
journal= {arXiv preprint arXiv:2105.04981},
year = {2024}
}
备注
32 pages, 5 figures, 8 tables