一个综合的丰富模型,用于估计俄俄州阿片类药物滥用的县级流行率
Staci A Hepler1, David M Kline2, Andrea Bonny3
1Department of Mathematics and Statistics, Wake Forest University, Winston-Salem, USA.
估计当地阿片类药物滥用对资源分配至关重要. 这项研究引入了贝叶斯模型,整合了间接数据,以准确地绘制县级阿片类药物滥用流行率的地图.
科学领域:
- 流行病学 流行病学
- 生物统计学 生物统计学
- 公共卫生 公共卫生
背景情况:
- 滥用阿片类药物构成严重的国家威胁,但当地流行数据仍然稀缺,阻碍了有效的政策和资源配置.
- 在地方层面直接测量阿片类药物滥用具有挑战性,为有针对性的干预创造了数据差距.
- 准确的当地估计对于了解疫情范围和有效地引导资源至关重要.
研究的目的:
- 开发和验证一个统计模型,用于估计隐藏的县级患病率和滥用阿片类药物的人数.
- 将间接的县级阿片类药物相关结果数据与州级调查估计进行整合,以改进患病率估计.
- 为公共卫生中难以接触的人群提供适用于小面积估计的框架.
主要方法:
- 贝叶斯的层次空间-时间丰富模型的开发.
- 综合间接的县级数据 (例如,过量使用死亡,治疗入院) 与州级调查数据.
- 使用模拟研究对模型的验证,以评估恢复隐性计数和流行率的准确性.
主要成果:
- 综合贝叶斯模型准确地估计了县级潜在的阿片类药物滥用患病率和数量.
- 模拟研究证实了该模型在恢复真实流行率和人口计数方面的可靠性.
- 对俄俄州数据的应用证明了该模型与现实世界监控数据的实用性.
结论:
- 拟议的贝叶斯空间时间模型有效估计了局部阿片类药物滥用患病率,解决了关键数据缺口.
- 这一框架为公共卫生官员提供了一种有价值的工具,以了解和打击细粒度水平的阿片类药物流行.
- 该方法可适应在其他影响难以接触的人群的健康状况中进行小面积估计.
更多相关视频
09:29Investigating Drivers of Antireward in Addiction Behavior with Anatomically Specific Single-Cell Gene Expression Methods
Published on: August 4, 2022
10:17High-throughput and Comprehensive Drug Surveillance Using Multisegment Injection-Capillary Electrophoresis-Mass Spectrometry
Published on: April 23, 2019
相关概念视频
Opioid Receptors: Overview
Opioid Analgesics: Synthetic and Semisynthetic Opioids
Opioid Analgesics: Morphine and Other Natural Cogeners
Drug Abuse and Addiction: Pharmacological Phenomena
Analgesia and Pain Management
Drug Dependence
