Bayesian analysis of population health data
Młynarczyk, Dorota (Universitat Autònoma de Barcelona. Departament de Matemàtiques)
Armero, Carmen (Universitat de València. Departament d'Estadística i Investigació Operativa)
Gómez-Rubio, Virgilio (Universidad de Castilla-La Mancha. Departamento de Matemáticas)
Puig i Casado, Pere (Universitat Autònoma de Barcelona. Departament de Matemàtiques)

Fecha:	2021
Resumen:	The analysis of population-wide datasets can provide insight on the health status of large populations so that public health officials can make data-driven decisions. The analysis of such datasets often requires highly parameterized models with different types of fixed and random effects to account for risk factors, spatial and temporal variations, multilevel effects and other sources on uncertainty. To illustrate the potential of Bayesian hierarchical models, a dataset of about 500,000 inhabitants released by the Polish National Health Fund containing information about ischemic stroke incidence for a 2-year period is analyzed using different types of models. Spatial logistic regression and survival models are considered for analyzing the individual probabilities of stroke and the times to the occurrence of an ischemic stroke event. Demographic and socioeconomic variables as well as drug prescription information are available at an individual level. Spatial variation is considered by means of region-level random effects.
Ayudas:	Agencia Estatal de Investigación PID2019-106341GB-I00 Agencia Estatal de Investigación RTI2018-096072-B-I00
Derechos:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, fins i tot amb finalitats comercials, sempre i quan es reconegui l'autoria de l'obra original.
Lengua:	Anglès
Documento:	Article ; recerca ; Versió publicada
Materia:	Bayesian inference ; Disease mapping ; Integrated nested Laplace approximation ; Spatial models ; Survival models
Publicado en:	Mathematics, Vol. 9, Issue 5 (March 2021) , art. 577, ISSN 2227-7390

DOI: 10.3390/math9050577

15 p, 1.9 MB

El registro aparece en las colecciones:
Artículos > Artículos de investigación
Artículos > Artículos publicados