[论文解读] Cluster detection and risk estimation for spatio-temporal health data

Duncan Lee, Andrew Lawson|arXiv (Cornell University)|Aug 6, 2014

Data-Driven Disease Surveillance参考文献 32被引用 6

一句话总结

本文提出了一种新颖的贝叶斯分层模型，通过马尔可夫链蒙特卡洛（McMC）模拟，同时估计时空疾病风险并检测区域单位中的高风险聚集区。该方法在免费提供的R包CARBayesST中实现，相较于单独的风险平滑与聚类检测方法表现更优，尤其在识别随时间演变的动态聚类方面表现突出。

ABSTRACT

In epidemiological disease mapping one aims to estimate the spatio-temporal pattern in disease risk and identify high-risk clusters, allowing health interventions to be appropriately targeted. Bayesian spatio-temporal models are used to estimate smoothed risk surfaces, but this is contrary to the aim of identifying groups of areal units that exhibit elevated risks compared with their neighbours. Therefore, in this paper we propose a new Bayesian hierarchical modelling approach for simultaneously estimating disease risk and identifying high-risk clusters in space and time. Inference for this model is based on Markov chain Monte Carlo simulation, using the freely available R package CARBayesST that has been developed in conjunction with this paper. Our methodology is motivated by two case studies, the first of which assesses if there is a relationship between Public health Districts and colon cancer clusters in Georgia, while the second looks at the impact of the smoking ban in public places in England on cardiovascular disease clusters.

研究动机与目标

• 开发一个统一的贝叶斯建模框架，以同时估计空间与时间上的疾病风险并检测高风险聚类。
• 克服单独使用风险平滑与聚类检测方法的局限性，后者可能导致聚类恢复效果差或风险估计不准确。
• 利用免费软件创建计算上可行且可重现的方法，具体为R包CARBayesST。
• 评估模型在不同数据条件下（包括罕见疾病情景）检测聚类与估计风险的性能。
• 将该模型应用于美国佐治亚州结肠癌和英国禁烟令后心血管疾病的公共卫生实际案例研究。

提出的方法

• 使用具有潜在聚类分配变量 $Z_{it}$ 的贝叶斯分层模型，将每个时间点 $t$ 的区域单位 $i$ 分配至 $G$ 个风险类别之一。
• 引入空间与时间随机效应（$\lambda_{t,Z_{it}}$ 和 $\phi_{it}$）以建模风险的平滑时空变化。
• 应用惩罚先验以抑制过度聚类并稳定估计，尤其在 $G$ 较大时更为有效。
• 采用马尔可夫链蒙特卡洛（McMC）模拟进行后验推断，实现完整的不确定性量化。
• 在单一模型中整合风险估计与聚类检测，避免在平滑表面后验聚类带来的问题。
• 使用泊松似然 $y_{it} \sim \mbox{Poisson}(e_{it}\theta_{it})$，并引入标准化预期人数 $e_{it}$ 以考虑人口规模与结构的影响。

实验结果

研究问题

• RQ1 单一贝叶斯模型能否有效检测高风险聚类，同时准确估计时空疾病风险？
• RQ2 与单独的风险平滑与聚类检测方法相比，所提模型在风险估计与聚类恢复方面的表现如何？
• RQ3 公共卫生干预措施（如英国的禁烟令）对心血管疾病聚类的空间与时间模式有何影响？
• RQ4 在不同数据条件下，尤其是低发病率的罕见疾病中，模型性能如何变化？
• RQ5 该模型能否检测到聚类成员关系与风险水平随时间的动态变化，而非假设聚类为静态？

主要发现

• Model-2（结合聚类与平滑两部分的模型）在风险估计（均方误差更低）与聚类恢复方面均优于单独建模方法。
• 该模型成功检测到英国禁烟令前后，高风险聚类的平均风险保持稳定，分别为1.593与1.619。
• 仅有6个和4个地方当局的风险在禁烟令后出现超过10%的下降或上升，表明短期内影响微弱。
• 在平滑风险表面后进行后验聚类分析表现欠佳，这与预期一致，因平滑表面会损失局部不连续性。
• 当预期人数 $e_{it}$ 较小时，模型在罕见疾病中表现欠佳，原因在于原始SIR值的抽样变异较高。
• 当 $G$ 取较大值并惩罚聚类分配向中间类别集中时，性能得到改善，前提是时间平滑约束未削弱惩罚效果。