疾病高精度分布估算中优先抽样问题的识别和处理研究进展  

作　　者：肖海燕 赖颖斯 

机构地区：[1]中山大学公共卫生学院,广东广州510080

出　　处：《中国预防医学杂志》2023年第11期1241-1246,共6页Chinese Preventive Medicine

基　　金：国家自然科学基金项目(82073665)。

摘　　要：贝叶斯时空统计建模将有地理信息的疾病调查数据与潜在影响因素关联起来,并引入时空特异性随机变量,以估算疾病的高精度分布。当疾病调查点的分布与疾病风险分布的空间随机过程存在关联就会出现优先抽样问题。由于优先抽样的存在违背了因变量条件独立的假设,模型的参数估计和空间分布估算会产生偏倚。本研究总结了目前优先抽样问题的识别和处理方法。结果发现,现有优先抽样问题的研究主要以方法学研究为主,以共享空间随机组件联合模型为基础的多种空间统计模型在优先抽样的识别和处理中被应用于一些简单场景,但对于一些复杂场景中优先抽样问题的识别和处理方法有待进一步开发。本研究为简单场景的优先抽样问题研究提供了方法学参考,并讨论了复杂情形下的优先抽样问题,为未来优先抽样问题的识别和处理提供了研究思路。

关 键 词：优先抽样 疾病分布 时空统计模型 识别 处理 

分 类 号：R188[医药卫生—流行病学]