文献

J-GLOBAL ID：201802249635208147   整理番号：18A0147913

疾病マッピングにおけるBayesモデル選択のための時空間多変量混合モデル【Powered by NICT】

Spatiotemporal multivariate mixture models for Bayesian model selection in disease mapping

著者 (6件)： Lawson Andrew B. (Department of Public Health Sciences, Medical University of South Carolina, Charleston, SC 29425, U.S.A.) ,  Carroll Rachel (Department of Public Health Sciences, Medical University of South Carolina, Charleston, SC 29425, U.S.A.) ,  Faes Christel (Interuniversity Institute for Statistics and Statistical Bioinformatics, Hasselt University, Hasselt, Belgium) ,  Kirby Russell S. (Department of Community and Family Health, University of South Florida, Tampa, FL 33612, U.S.A.) ,  Aregay Mehreteab (Department of Public Health Sciences, Medical University of South Carolina, Charleston, SC 29425, U.S.A.) ,  Watjou Kevin (Interuniversity Institute for Statistics and Statistical Bioinformatics, Hasselt University, Hasselt, Belgium)
資料名： Environmetrics  (Environmetrics)
巻： 28  号： 8  ページ： ROMBUNNO.2465  発行年： 2017年 
JST資料番号： W1949A  ISSN： 1180-4009  CODEN： ENVCEE  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 研究者の挙動を同時に調べると,全体的なリスクを推定し,希少性を変化させた複数の類縁疾患したい潜在的空間的および/または時間的相関を考慮したことが多い。本論文では,この役割を満たすために柔軟なクラス多変量時空間混合モデルを提案した。さらに,これらのモデルはモデル選択のための可能性を持つ柔軟性だけでなく,空間的,時間的,または両構造とライフスタイル,社会経済的,および物理的環境変数を収容する能力を提供する。ここでは,大規模シミュレーション研究によるこの方法の能力を探索し,サウスカロライナ州の三種の癌を含む動機づけデータ例を調べた。四モデル変異体に焦点を当てているが,結果は,全てのモデルはシミュレーショングランドトルースを回収し,実データ応用における二種のベースラインKnorr保持された時空間相互作用モデル変異体よりも改善されたモデルの適合性を表示する能力を持つことを示唆する。Copyright 2018 Wiley Publishing Japan K.K. All Rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 適応性 ,  サウスカロライナ州 ,  基準線 ,  柔軟性 ,  ライフスタイル ,  動機づけ ,  *モデル ,  相互作用
準シソーラス用語： 大規模シミュレーション ,  社会経済 ,  *モデル選択 ,  *混合モデル ,  *多変量 ,  *Bayes法 , 【Automatic Indexing@JST】

著者キーワード (5件)： MCMC ,  混合モデル ,  モデル選択 ,  Poisson ,  共有成分

分類 (1件)： 研究開発  (SA01040R)

タイトルに関連する用語 (6件)： 疾病 ,  マッピング ,  Bayesモデル ,  時空間 ,  多変量 ,  混合モデル