利用空间统计方法建立疾病风险模型

摘要

疾病地图经常应用于疾病地理分布的研究，构成疾病地图的数据通常是计数型数据。几十年来，统计工作者对疾病风险的空间差异模型进行了深入细致的研究，无论在理论上还是应用上，都取得了许多优秀成果。
　　由于相邻的区域之间，疾病相对风险比较相似，通常使用随机效应模型的方法，通过向相邻的区域借力来估计区域相对风险，这样可以使估计值更为稳定。为进一步研究空间疾病风险的差异程度，我们提出了新的疾病风险结构模型。
　　论文的结构安排如下：
　　首先，介绍了空间统计的概况，回顾了疾病地图在空间流行病学上的发展历史，并结合论文的内容，给出了一些相关的基本概念及方法。
　　其次，我们提出了一个构建相关结构模型的新方法，将离散的区域疾病风险连续化，把区域总体的风险视为一个连续的风险曲面，这样我们不仅可以估计每个区域个体的相对风险，还可以估计区域总体的疾病风险。同时，出于方便计算的考虑，论文对区域相对风险的分布函数进行了近似分析。
　　再次，我们结合随机效应方法及回归模型的有关应用，建立了非空间和空间的疾病风险模型，分别给出了Possion-lognormal模型和联合模型，并针对先验分布函数的选择进行比较分析。
　　最后，为验证模型准确性和稳定性，我们借助Matlab软件对提出的模型进行模拟检验。在模拟实验中，使用了MCMC方法进行相关的随机抽样。

目录

封面

中文摘要

英文摘要

目录

第1章 绪论

1.1 空间统计学简介

1.2 空间疾病模型的研究现状

1.3 我国空间疾病统计的发展

1.4 选题意义及文章结构

第2章 预备知识

2.1 高斯随机场Gaussian random field (GRF)

2.2 随机效应模型

2.3 Markov chain Monte Carlo (MCMC)方法

2.4 本章小结

第3章 基于GRF下的疾病风险模型

3.1 研究背景及统计框架

3.2 空间统计模型

3.3 随机模拟

3.4 补充说明

3.5 本章小结

第4章 基于随机效应方法的疾病风险模型

4.1 研究背景

4.2 非空间模型

4.3 空间模型

4.4 本章小结

结论

参考文献

攻读硕士学位期间承担的科研任务与主要成果

致谢

作者简介