中国的移民调整的肺癌负担:基于人口数据的贝叶斯空间建模方法

科学领域:

• 流行病学 流行病学
• 公共卫生 公共卫生
• 生物统计学 生物统计学

背景情况:

• 中国的癌症监测依赖于家庭登记,不包括大量的移民人口.
• 这种排除导致选择偏见和错误估计真正的癌症负担.
• 精确的肺癌负担评估需要包括居民人口.

研究的目的:

• 估计中国大陆居民肺癌发病率和死亡率.
• 在癌症负担估计中调整省际迁移.
• 为了比较癌症监测的不同建模方法的准确性.

主要方法:

• 开发了一个贝叶斯集成嵌套拉普拉斯近似与随机局部微分方程 (INLA-SPDE) 模型.
• 利用来自487个癌症登记处的2016年数据和多维共变量.
• 为省际迁移进行了纳入的调整.

主要成果:

• 与贝叶斯的等级线性模型相比,INLA-SPDE模型显示出更高的估计准确性.
• 在河南,广东和上海的居民和注册人口之间发现了肺癌发病率和死亡率的显著差异.
• 上海的发病率差异最大,发病率和死亡率与注册人口的估计有很大差异.

结论:

• 基于家庭登记的监测高估了高移民地区的肺癌负担,低估了高移民地区的肺癌负担.
• 肺癌发病率和死亡率的差异受移民模式的影响.
• 建议过渡到基于居民人口的登记,以提高癌症监测的准确性,特别是在迁移较高的地区.