مدل سازی سلسله مراتبی بیزی فضا–زمان برای نقشه برداری ریسک بیماری

نقشه برداری ریسک بیماری در سطوح خرد مکانی–زمانی به دلیل شمارش های اندک، ناهمگنی فضایی و تغییرات زمانی، چالشی بنیادین در آمار زیستی است. این مقاله چارچوبی بیزی برای برآورد و پیش بینی ریسک بیماری ارائه می دهد که اثرات مکانی و زمانی را به صورت سلسله مراتبی مدل می کند. داده ای شبیه سازی شده روی شبکه ای ۵×۶ از مناطق و ۱۲ ماه با مدل حقیقی پواسون و لینک لگ ساخته می شود که شامل اثر مکانی تقریبی از نوع CAR و مولفه زمانی (۱)AR است. سه رویکرد مقایسه شد: (۱) GLM پواسون با شناسه جمعیت درمعرض، (۲) مدل دوجمله ای منفی (برای مهار بیش پراکندگی)، و (۳) مدل بیزی فضا–زمان (تقریب BYM به همراه (۱)AR). ارزیابی روی ماه های ۱۰ تا ۱۲ به عنوان داده آزمون با سنجه های RMSE، میانگین لگ نمره پیش بینی و پوشش بازه ۹۰٪ انجام می شود. نتایج نشان می دهد مدل بیزی فضا–زمان کمترین خطای پیش بینی را دارد (RMSE=۵۱.۱۸) و بهترین لگ نمره پیش بینی را ثبت می کند (MLP=-۱۶.۵۱)، درحالی که NB نسبت به GLM پوشش فاصله ای واقع بینانه تری فراهم می سازد (پوشش ۹۰% برابر با ۹۳.۳). علاوه بر ارائه فرمول های مدل (BYM، CAR و (۱)AR) و راهبردهای استنباطی، مقاله دستورالعمل های عملی برای انتخاب وزن های هموارسازی، تشخیص ناهمپوشانی و گزارش دهی موازنه مکانی–زمانی را ارائه می دهد. چارچوب پیشنهادی برای پژوهش های سلامت عمومی، اپیدمیولوژی محیطی و پایش بیماری های واگیر قابل به کارگیری است.

کلیدواژه ها:

مدل بیزی سلسله مراتبی ، دوجمله ای منفی ، ریسک نسبی ، نقشه برداری بیماری