对疟疾空间建模的新计算方法进行比较
Spencer Wong1, Jennifer A Flegg2, Nick Golding3,4
1School of Mathematics and Statistics, The University of Melbourne, Parkville, VIC, 3010, Australia.
Malaria journal
|November 22, 2023
概括
针对疟疾患病率的可扩展的地缘统计建模可以通过集成嵌套拉普拉斯近似 (INLA) 和固定等级基基 (FRK) 实现. 仔细的模型选择和参数化对于准确的健康数据分析至关重要.
科学领域:
- 地质统计学 在地质统计学
- 空间流行病学空间流行病学
- 计算统计的计算统计.
背景情况:
- 地理统计分析对于理解空间健康数据的变化至关重要,比如疟疾流行率.
- 传统的方法是计算密集型的,推动了对更快,近似方法的需求.
- 高效的空间建模对于大规模的健康数据分析至关重要.
研究的目的:
- 为了比较空间建模的四种快速计算方法:INLA,GPBoost,FRK和SpRF.
- 评估这些方法在估计国家和大陆范围的疟疾流行率方面的表现.
- 评估每个方法的准确性,计算时间和易于实施.
主要方法:
- 综合嵌套拉普拉斯近似 (INLA),GPBoost,固定等级Kriging (FRK) 和空间随机森林 (SpRF) 的应用比较.
- 在国家和大陆空间尺度上估计疟疾患病率.
- 基于准确性,计算时间和实施方便性的绩效评估.
主要成果:
- 随着数据大小的增加,GPBoost和SpRF的可扩展性不佳.
- INLA和FRK展示了计算可扩展性,但对用户假设和参数选择敏感.
- INLA的标准二项式分布因过度分散而困难;贝塔二项式更好地适合. FRK需要仔细的基础函数配置,计算时间随分辨率的增加而增加.
结论:
- INLA和FRK可用于可扩展的疟疾患病率的地理统计模型.
- 这两种方法都需要仔细评估模型适合性和预测可信性.
- 适当选择模型假设和参数对于可靠的结果至关重要.
