Approximate methods in Bayesian point process spatial models.
Approximate methods in Bayesian point process spatial models.
复制标题
DOI：
10.1016/j.csda.2008.05.017
复制
发表时间：
2009-06-01
影响因子：
1.8
通讯作者：
Lawson, Andrew B.
中科院分区：
文献类型：
--
作者：
Hossain, Md. Monir;Lawson, Andrew B.
比较了空间流行病学应用中常用的疾病发病率增加的一系列点过程模型。所考虑的模型从近似方法到精确方法各不相同。近似方法包括泊松过程模型和基于研究窗口离散化的方法。精确的方法包括一个标记点过程模型，即条件逻辑模型。除了分析真实数据集（兰开夏郡喉癌数据）外，还进行了一项小型模拟研究，以检验这些方法恢复已知参数值的能力。主要结果如下：在估计喉癌发病率与焚化炉的距离效应时，离散窗口的条件logistic模型和二项模型表现相对较好。在解释空间异质性时，离散窗口的泊松模型（或对数高斯Cox过程模型）产生最佳估计。
A range of point process models which are commonly used in spatial epidemiology applications for the increased incidence of disease are compared. The models considered vary from approximate methods to an exact method. The approximate methods include the Poisson process model and methods that are based on discretization of the study window. The exact method includes a marked point process model, i.e., the conditional logistic model. Apart from analyzing a real dataset (Lancashire larynx cancer data), a small simulation study is also carried out to examine the ability of these methods to recover known parameter values. The main results are as follows. In estimating the distance effect of larynx cancer incidences from the incinerator, the conditional logistic model and the binomial model for the discretized window perform relatively well. In explaining the spatial heterogeneity, the Poisson model (or the log Gaussian Cox process model) for the discretized window produces the best estimate.
登录
查看更多内容
影响因子：
1.8
作者：
LAWSON, AB
通讯作者：
LAWSON, AB
影响因子：
5.8
作者：
Baddeley, A;Turner, R
通讯作者：
Turner, R
DOI：
10.2307/2983529
发表时间：
1994-01-01
影响因子：
2
作者：
DIGGLE, PJ;ROWLINGSON, BS
通讯作者：
ROWLINGSON, BS
影响因子：
4.4
作者：
ROWLINGSON, BS;DIGGLE, PJ
通讯作者：
DIGGLE, PJ
DOI：
10.1111/1467-9876.00385
发表时间：
2003-01-01
影响因子：
1.6
作者：
Kammann, EE;Wand, MP
通讯作者：
Wand, MP