Nonparametric evaluation of dynamic disease risk: a spatio-temporal kernel approach.
Nonparametric evaluation of dynamic disease risk: a spatio-temporal kernel approach.
复制标题
DOI：
10.1371/journal.pone.0017381
复制
发表时间：
2011-03-15
期刊：
影响因子：
3.7
通讯作者：
Jiang Q
中科院分区：
文献类型：
--
作者：
Zhang Z;Chen D;Liu W;Racine JS;Ong S;Chen Y;Zhao G;Jiang Q
联合量化疾病风险在空间和时间上的分布是理解时空现象的关键要素，同时也有可能增强我们对流行病学轨迹的理解。然而，迄今为止的大多数研究都忽略了时间维度，而是关注疾病风险的“平均”空间模式，从而掩盖了疾病风险的时间轨迹。在这项研究中，我们提出了一种名为“时空核密度估计（stKDE）”的新想法，它采用混合核（即权重）函数来评估时空疾病风险。这种方法不仅可以充分利用样本数据，而且可以通过适当选择核函数，以特定的方式从空间和时间上的相邻点“借用”信息。蒙特卡罗模拟表明，所提出的方法比已在应用环境中使用的传统（即基于频率的）核密度估计（trKDE）表现得更好，而两个说明性示例表明，与流行的 trKDE 方法相比，所提出的方法可以产生更好的结果。此外，还存在改进和扩展该方法的各种可能性。
Quantifying the distributions of disease risk in space and time jointly is a key element for understanding spatio-temporal phenomena while also having the potential to enhance our understanding of epidemiologic trajectories. However, most studies to date have neglected time dimension and focus instead on the “average” spatial pattern of disease risk, thereby masking time trajectories of disease risk. In this study we propose a new idea titled “spatio-temporal kernel density estimation (stKDE)” that employs hybrid kernel (i.e., weight) functions to evaluate the spatio-temporal disease risks. This approach not only can make full use of sample data but also “borrows” information in a particular manner from neighboring points both in space and time via appropriate choice of kernel functions. Monte Carlo simulations show that the proposed method performs substantially better than the traditional (i.e., frequency-based) kernel density estimation (trKDE) which has been used in applied settings while two illustrative examples demonstrate that the proposed approach can yield superior results compared to the popular trKDE approach. In addition, there exist various possibilities for improving and extending this method.
登录
查看更多内容
影响因子：
11.8
作者：
Brooker S;Leslie T;Kolaczinski K;Mohsen E;Mehboob N;Saleheen S;Khudonazarov J;Freeman T;Clements A;Rowland M;Kolaczinski J
通讯作者：
Kolaczinski J
影响因子：
1.7
作者：
Hazelton, Martin L.;Davies, Tilman M.
通讯作者：
Davies, Tilman M.
影响因子：
1.8
作者：
Mugdadi, AR;Ahmad, IA
通讯作者：
Ahmad, IA
影响因子：
1.8
作者：
Hazelton, Martin L.
通讯作者：
Hazelton, Martin L.
影响因子：
2
作者：
Davies, Tilman M.;Hazelton, Martin L.
通讯作者：
Hazelton, Martin L.