Un Modelo jerárquico Bayesiano espacio-temporal con variable de conteos: aplicación de VIH/SIDA en Costa Rica

Shu Wei Chou Chen, Ricardo Alvarado-Barrantes

Resumen


Los modelos espaciales que suavizan las tasas de mortalidad estandarizada o los riesgos relativos son utilizados ampliamente en el mapeo de enfermedades, con el objetivo de explorar y describir patrones espaciales de un evento de interés. Generalmente, la estimación de estos riesgos relativos es imprecisa cuando los eventos son raros. Cuando se quiere incluir la tendencia temporal, el problema es aún más
grave pues el conteo de las defunciones en el perı́odo dado se divide en varios años, lo que resulta en que los conteos sean aún más bajos. En este trabajo, se analizan los modelos Bayesianos espacio-temporales que toman en cuenta la información geográfica y temporal, además de algunas covariables como el porcentaje de viviendas urbanas, porcentaje de personas entre 24 y 49 años y la tasa de mortalidad
infantil de cada cantón en el año 2011. Se concluyó que estos modelos producen mejores estimaciones de riesgos relativos por cantón y año, además de que el modelo que asume una interacción espacio-temporal más simple ajusta mejor. Finalmente, se comparan los riesgos relativos estimados con el modelo seleccionado, contra la estimación obtenida vı́a máxima verosimlitud, y resulta que el método propuesto
es más eficiente y preciso.


Texto completo:

PDF

Referencias


Abellan, J. J., Richardson, S. & Best, N. (2008), ‘Use of space-time models to

investigate the stability of patterns of disease’, Environmental Health Pers-

pectives 116(8), pp. 1111–1119.

*http://www.jstor.org/stable/25071151

Agencia de los Estados Unidos para el Desarrollo Internacional (2011), ‘An over-

view to spatial data protocols for HIV/AIDS activities: why and how to in-

clude the “ where” in your data’.

Altman, B. (2011), Continuing promise 2011: Host nation health brief, Technical

report, National Center for Disaster Medicine & Public Health. Recuperado

de http://ncdmph.usuhs.edu/Documents/2011-CRC.pdf el 17 de marzo del

American Cancer Society (2014), ‘Infección con VIH, SIDA y cáncer’, Recupera-

do de http://www.cancer.org/acs/groups/cid/documents/webcontent/

-pdf.pdf el 13 de marzo del 2015.

Bailey, T. & Gatrell, A. (1995), Interactive Spatial Analysis, Prentice Hall, Harlow.

Banerjee, S., Carlinl, B. & Gelfand, A. (2014), Hierarchical Modeling and Analysis

for Spatial Data, Chapman and Hall/CRC, Boca Raton.

Besag, J., York, J. & Mollié, A. (1991), ‘Bayesian image restoration, with two

applications in spatial statistics’, Annals of the Institute of Statistical Mathe-

matics 43(1), 1–20.

*http://dx.doi.org/10.1007/BF00116466

Bivand, R. & Lewin-Koh, N. (2014), maptools: Tools for reading and handling

spatial objects. R package version 0.8-30.

*http://CRAN.R-project.org/package=maptools

Brooks, S. P. & Gelman, A. (1998), ‘General methods for monitoring convergen-

ce of iterative simulations’, Journal of Computational and Graphical Statis-

tics 7(4), 434–455. http://www.stat.columbia.edu/~gelman/research/

published/brooksgelman2.pdf.

Cai, B., Lawson, A. B., Hossain, M. M. & Choi, J. (2012), ‘Bayesian latent

structure models with space-time dependent covariates’, Statistical Modelling

(2), 145–164.

*http://smj.sagepub.com/content/12/2/145.abstract

Centro Centroamericano de Población (2014), Consulta del 10 de octubre del 2014,

de la base de datos del Censo del 2011 y de defunciones de Centro Centroa-

mericano de Población: http://ccp.ucr.ac.cr.

Fortunato, L., Abellan, J., Beale, L., LeFevre, S. & Richardson, S. (2011), ‘Spatio-

temporal patterns of bladder cancer incidence in utah (1973-2004) and their

association with the presence of toxic release inventory sites’, International

Journal of Health Geographics 10(1), 16.

*http://www.ij-healthgeographics.com/content/10/1/16

Gelfand, A., Dey, D. & Chang, H. (1992), ‘Model determination using predictive

distributions with implementation via sampling based methods (with discus-

sion)’, Bayesian Statistics 4, 147–67.

Gelman, A. & Rubin, D. B. (1992), ‘Inference from iterative simulation using

multiple sequences’, Statistical Science 7(4), pp. 457–472.

*http://www.jstor.org/stable/2246093

González-Ramı́rez, V. (2009), ‘Intervención psicológica en VIH/SIDA’, UARICHA

Revista de Psicologı́a (13), pp. 49–63.

Hunter, L. M., Souza, R.-M. D. & Twine, W. (2008), ‘The environmental dimen-

sions of the HIV/AIDS pandemic: A call for scholarship and evidence-based

intervention’, Population and Environment 29(3/5), pp. 103–107.

*http://www.jstor.org/stable/40212350

Hyndman, R. & Khandakar, Y. (2008), ‘Automatic time series forecasting: the

forecast package for R’, Journal of Statistical Software 26(3), 1–22.

*http://ideas.repec.org/a/jss/jstsof/27i03.html

Lagazio, C., Biggeri, A. & Dreassi, E. (2001), ‘A hierarchical bayesian model for

space-time variation of disease risk’, Statistical Modelling 1, 17–29.

Lagazio, C., Biggeri, A. & Dreassi, E. (2003), ‘Age-period-cohort models and di-

sease mapping’, Environmetrics 14(5), 475–490.

*http://dx.doi.org/10.1002/env.600

Langford, I. H. (1994), ‘Using empirical bayes estimates in the geographical analy-

sis of disease risk’, Area 26(2), pp. 142–149.

*http://www.jstor.org/stable/20003399

Lawson, A. & Williams, F. (2001), An Introductory Guide to Disease Mapping,

John Willy & Sons, New York.

Ministerio de Salud (2004), ‘La situación del VIH/SIDA en Costa Rica’.

Organización Mundial de la Salud (2014), ‘Health for the world’s adolescents: A

second chance in the second decade’.

Organización Panamericana de la Salud (2004), ‘La situación del VIH/SIDA en

Costa Rica’.

Paradis, E., Claude, J. & Strimmer, K. (2004), ‘APE: analyses of phylogenetics

and evolution in R language’, Bioinformatics 20, 289–290.

Pebesma, E.J., R. B. (2005), ‘Classes and methods for spatial data in r’, R News

(2).

*http://cran.r-project.org/doc/Rnews/

Plummer, M. (2008), ‘Penalized loss functions for bayesian model comparison’,

Biostatistics 9(3), 523–539.

*http://biostatistics.oxfordjournals.org/content/9/3/523.abstract

Poundstone, K. E., Strathdee, S. A. & Celentano, D. D. (2004), ‘The social epide-

miology of human immunodeficiency virus/acquired immunodeficiency syn-

drome’, Epidemiologic Rev 26(1), pp. 22–35.

Press, J. (2003), Subjective and Objective Bayesian Statistics, John Wiley & Son,

New Jersey.

Richardson, S., Abellan, J. J. & Best, N. (2006), ‘Bayesian spatio-temporal analysis

of joint patterns of male and female lung cancer risks in yorkshire (uk)’,

Statistical Methods in Medical Research 15(4), pp. 385–407.

Richardson, S., Thomson, A., Best, N. & Elliott, P. (2004), ‘Interpreting poste-

rior relative risk estimates in disease-mapping studies’, Environmental Health

Perspectives 112(9), pp. 1016–1025.

*http://www.jstor.org/stable/3838103

Ripley, B. (2004), Spatial Statistics, John Wiley & Sons, Ltd., New Jersey.

Schmid, V. & Held, L. (2004), ‘Bayesian extrapolation of space-time trends in

cancer registry data’, Biometrics 60(4), pp. 1034–1042.

*http://www.jstor.org/stable/3695483

Spiegelhalter, D. J., Best, N. G., Carlin, B. P. & Van Der Linde, A. (2002), ‘Ba-

yesian measures of model complexity and fit’, Journal of the Royal Statistical

Society: Series B (Statistical Methodology) 64(4), 583–639.

*http://dx.doi.org/10.1111/1467-9868.00353

Team, R. C., Wuertz, D., Setz, T. & Chalabi, Y. (2014), fBasics: Rmetrics -

Markets and Basic Statistics. R package version 3011.87.

*http://CRAN.R-project.org/package=fBasics

Thomas, A., O’Hara, B., Ligges, U. & Sturtz, S. (2006), ‘Making bugs open’, R

News 6(1), 12–17.

*http://cran.r-project.org/doc/Rnews/

Waller, L. A., Carlin, B. P., Xia, H. & Gerfand, A. E. (1997), ‘Hierarchical spatio-

temporal mapping of disease rates’, Journal of the American Statistical As-

sociation 92, 607–17.

Wickham, H. (2009), ggplot2: elegant graphics for data analysis, Springer New

York.

*http://had.co.nz/ggplot2/book

Zanakis, S. H., Alvarez, C. & Li, V. (2007), ‘Socio-economic determinants of

HIV/AIDS pandemic and nations efficiencies’, European Journal of Opera-

tional Research 176, pp. 1811–1838.

Zeileis, A. & Hothorn, T. (2002), ‘Diagnostic checking in regression relationships’,

R News 2(3), 7–10.

*http://CRAN.R-project.org/doc/Rnews/


Enlaces refback

  • No hay ningún enlace refback.


ISSN: 2027-3355 
ISSN electrónico: 2339-3076
DOI: 10.15332/s2027-3355