Space-time Bayesian small area disease risk models: development and evaluation with a focus on cluster detection.
Space-time Bayesian small area disease risk models: development and evaluation with a focus on cluster detection.
复制标题
DOI：
10.1007/s10651-008-0102-z
复制
发表时间：
2010-03-01
影响因子：
3.8
通讯作者：
Lawson, Andrew B.
中科院分区：
文献类型：
--
作者：
Hossain, Md. Monir;Lawson, Andrew B.
本文将空间局部似然模型和空间混合模型推广到时空域。为了进行比较，一个标准的随机效应时空（SREST）模型进行检查，以允许评估每个模型的集群检测的能力。为了进行这种评估，我们使用ST对应的空间集群检测诊断。所提出的标准基于后验估计（例如，误分类率）和一些基于后验样本的事后分析（例如，概率）。此外，我们还研究了更传统的模型拟合标准，包括均方误差（MSE）。我们用一个真实的ST数据集、1994-2005年格鲁吉亚喉癌死亡率数据和一个嵌入了不同水平和形状的聚类的模拟数据集来说明这种方法。总体而言，它被发现，传统的SREST模型公平以及在ST集群检测和拟合优度，而极端风险检测的本地似然ST模型做得最好。
This paper extends the spatial local-likelihood model and the spatial mixture model to the space-time (ST) domain. For comparison, a standard random effect space-time (SREST) model is examined to allow evaluation of each model’s ability in relation to cluster detection. To pursue this evaluation, we use the ST counterparts of spatial cluster detection diagnostics. The proposed criteria are based on posterior estimates (e.g., misclassification rate) and some are based on post-hoc analysis of posterior samples (e.g., exceedance probability). In addition, we examine more conventional model fit criteria including mean square error (MSE). We illustrate the methodology with a real ST dataset, Georgia throat cancer mortality data for the years 1994–2005, and a simulated dataset where different levels and shapes of clusters are embedded. Overall, it is found that conventional SREST models fair well in ST cluster detection and in goodness-of-fit, while for extreme risk detection the local likelihood ST model does best.
登录
查看更多内容
DOI：
10.1111/1467-9868.00095
发表时间：
1997-01-01
期刊：
JOURNAL OF THE ROYAL STATISTICAL SOCIETY SERIES B-METHODOLOGICAL
影响因子：
--
作者：
Richardson, S;Green, PJ
通讯作者：
Green, PJ
影响因子：
2
作者：
Lawson, AB
通讯作者：
Lawson, AB
影响因子：
3.8
作者：
Hossain, M;Lawson, AB
通讯作者：
Lawson, AB
影响因子：
1
作者：
Kauermann, G;Opsomer, JD
通讯作者：
Opsomer, JD
影响因子：
1
作者：
BESAG, J;YORK, J;MOLLIE, A
通讯作者：
MOLLIE, A