[论文解读] Modeling and presentation of vaccination coverage estimates using data from household surveys

Tracy Qi Dong, Jon Wakefield|arXiv (Cornell University)|Apr 7, 2020

COVID-19 epidemiological studies参考文献 26被引用 26

一句话总结

本文提出了一种贝叶斯地统计建模框架，用于在估计和绘制麻疹疫苗接种覆盖率时考虑调查设计——特别是分层和聚类水平的非空间变异。基于尼日利亚2018年DHS数据，研究证明承认调查分层和聚类可提高估计精度和不确定性量化效果，并提出一种新颖的离散色彩标度方法，以控制和比较地图的精度水平，从而增强政策应用的可解释性。

ABSTRACT

It is becoming increasingly popular to produce high-resolution maps of vaccination coverage by fitting Bayesian geostatistical models to data from household surveys. Often, the surveys adopt a stratified cluster sampling design. We discuss a number of crucial choices with respect to two key aspects of the map production process: the acknowledgement of the survey design in modeling, and the appropriate presentation of estimates and their uncertainties. Specifically, we consider the importance of accounting for survey stratification and cluster-level non-spatial excess variation in survey outcomes when fitting geostatistical models. We also discuss the trade-off between the geographical scale and precision of model-based estimates, and demonstrate visualization methods for mapping and ranking that emphasize the probabilistic interpretation of results. A novel approach to coverage map presentation is proposed to allow comparison and control of the overall map uncertainty level. We use measles vaccination coverage in Nigeria as a motivating example and illustrate the different issues using data from the 2018 Nigeria Demographic and Health Survey.

研究动机与目标

• 解决从家庭调查数据中生成可靠、高分辨率疫苗接种覆盖率地图的挑战，同时正确考虑复杂调查设计的问题。
• 量化并可视化模型估计中的不确定性，特别是在数据稀疏的精细空间分辨率下。
• 通过强调估计的概率解释和排名，提高覆盖率地图的可解释性。
• 提出一种基于离散色彩标度的新地图呈现方法，使用户能够比较和控制整体地图精度。
• 指导地图制作者选择合适的空间尺度，以避免因低精度而误导的高分辨率估计。

提出的方法

• 使用高斯过程拟合贝叶斯地统计模型，从聚类级别的调查数据预测精细空间尺度上的疫苗接种覆盖率。
• 将城乡分层作为协变量引入，以考虑调查分层并减少估计偏差。
• 通过随机效应建模聚类级别的非空间变异，以考虑过度离散化和真实的聚类间异质性。
• 利用后验预测分布生成概率地图，包括中位数估计和可信区间。
• 应用山脊图和后验排名分布，可视化各区域覆盖率估计中的不确定性。
• 提出一种基于贝叶斯决策理论的新型离散色彩标度方法，用于控制和比较整体地图不确定性水平。

实验结果

研究问题

• RQ1 承认调查分层和聚类级别的非空间变异如何提升基于模型的疫苗接种覆盖率估计的准确性和可靠性？
• RQ2 在使用稀疏家庭调查数据时，基于模型的覆盖率制图中，地理分辨率与精度之间的权衡是什么？
• RQ3 如何有效可视化覆盖率估计中的不确定性，以支持解释和决策？
• RQ4 使用连续色彩标度与离散色彩标度对疫苗接种覆盖率地图的解释和可比性有何影响？
• RQ5 地图制作者如何控制和比较高分辨率覆盖率地图的整体精度水平？

主要发现

• 通过引入城乡协变量承认调查分层，显著降低了偏差，并提升了模型在估计麻疹疫苗接种覆盖率方面的预测性能。
• 聚类级别的非空间变异——无论是过度离散化还是真实信号——都必须显式建模，以避免低估不确定性并产生过度自信的预测。
• 来自家庭调查的精细分辨率像素级估计通常伴随着较高的不确定性，特别是在仅有少量或没有调查聚类的区域。
• 地图显示后验中位数及其可信区间宽度，以及后验分布的山脊图，能有效揭示区域间的不确定性模式。
• 所提出的离散色彩标度方法使用户能够比较和控制地图的整体精度水平，为连续色彩渐变提供更具统计合理性的替代方案。
• 本研究表明，低精度的高分辨率地图可能误导政策使用者，建议采用在分辨率与可靠性之间取得平衡的空间尺度。