基于隐马尔可夫场和变分 EM 的罕见疾病空间风险制图
应用统计
2013-12-11 v1
摘要
当前针对汇总数据的风险制图模型侧重于估计每个地理单元的风险。随后需要进行风险分类，即将具有相似风险的地理单元分组，以便绘制易于解释的地图，明确划定可实施保护措施的区域。作为示例，我们关注牛海绵状脑病 (BSE)，该疾病曾威胁欧洲的牛类生产并导致大规模宰杀奶牛。该案例体现了典型的动物疾病风险分析问题，即风险值极低、观测病例数少以及人口规模小，增加了自动分类的难度。我们提出在空间聚类框架下处理此任务，采用一种非标准的离散隐马尔可夫模型先验，旨在促进风险的平滑变化。模型参数使用 EM 算法和平均场近似进行估计，为此我们开发了一种适用于空间泊松混合的新初始化策略。利用模拟数据和我们的 BSE 数据，我们表明该策略在处理小人口规模方面表现良好，并能准确确定高风险区域，无论是在定位还是风险水平估计方面。
引用
@article{arxiv.1312.2800,
title = {Spatial risk mapping for rare disease with hidden Markov fields and variational EM},
author = {Florence Forbes and Myriam Charras-Garrido and Lamiae Azizi and Senan Doyle and David Abrial},
journal= {arXiv preprint arXiv:1312.2800},
year = {2013}
}
备注
Published in at http://dx.doi.org/10.1214/13-AOAS629 the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)