患病率制图的两种范式：小区域估计与基于模型的地质统计学

在中低收入国家，准确估计次国家级健康与人口指标对于指导政策和识别差异至关重要。许多感兴趣的指标是二元结果的比例，而估计这些比例的任务通常被称为患病率制图。在中低收入国家，健康与生命记录数据有限，因此患病率制图依赖于具有复杂抽样设计的家庭调查数据。然而，通常期望获得数据不足的空间分辨率下的估计值。我们回顾了两类患病率制图方法：来自调查统计文献的小区域估计（SAE）方法和来自空间统计文献的基于模型的地质统计学（MBG）方法。SAE 模型可以是“区域级”或“单元级”，通常使用特定区域的随机效应，并依赖于来自行政来源的高质量协变量数据。针对二元响应的单元级模型发展相对不成熟。MBG 方法明确指定二元响应模型，纳入连续空间随机效应，并利用替代数据源（如卫星图像）。SAE 方法通常通过纳入抽样权重或对抽样机制进行建模来处理设计问题。在使用 MBG 方法时会出现两个微妙的问题。首先，聚合单元级预测以创建区域级摘要需要极少可用的总体水平信息。其次，MBG 方法通常假设抽样设计是可忽略的。我们回顾了这两种方法，并论证了利用来自抽样调查和空间统计文献的见解可以改进二元响应模型。我们使用赞比亚 2018 年人口与健康调查的家庭调查数据来估计 15-49 岁女性的次国家级 HIV 患病率，以此突显这些问题。