基于异质数据源的半参数贝叶斯密度估计：全球儿童营养不良的荟萃分析

营养不良导致生长受限，此处使用年龄别身高 z 评分进行量化，是儿童发病率和死亡率的重要诱因。由于轻度、中度和重度营养不良在临床和公共卫生上均具有重要意义，因此估计 z 评分分布的形状具有研究价值。我们提出一个有限正态混合模型，利用 430 万名儿童的数据，对 1985 年至 2011 年间全球 141 个低中收入国家中 5 岁以下儿童的这些分布进行年度国别估计。在可获取时，我们纳入了个体层面数据，以及无法获取个体层面数据的研究的汇总统计量。我们在混合权重上施加分层贝叶斯 probit stick-breaking 模型。该模型允许时间上的非线性变化，并在时间、协变量以及区域国家集群内部和跨集群之间借力，从而在数据不确定、稀疏或缺失的情况下进行估计。本研究解决了公共卫生监测和全球健康监测领域经常出现的三个重要问题。第一，数据总是不完整的。第二，不同数据源通常使用不同的报告指标。最后，分布，尤其是其尾部，通常是具有实质性研究意义的。