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

• Autores: Shu Wei Chou, Ricardo Alvarado
• Localización: Comunicaciones en Estadística, ISSN 2027-3355, ISSN-e 2339-3076, Vol. 11, Nº. 1, 2018, págs. 9-35
• Idioma: español
• Títulos paralelos:
  • A bayesian hierarchical spatio-temporal model with count data: application to the HIV/AIDS in Costa Rica
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    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 másgrave 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 mortalidadinfantil 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 propuestoes más eficiente y preciso.

  • English

    Spatial models that smooth standardized mortality ratios are widely used in disease mapping. Usually, estimation is imprecise when events are rare. In situations where each areal count splits into different time periods, this problem is more evident because of the presence of even lower counts for the areal units for each time period. In this work, we analyze models that include geographic and temporal information and some covariates such as percentage of urban household, percentage of people between 24 and 49 years old, and infant mortality ratio of each county in 2011. As a result, these models produce better estimations, especially for the model with the simplest space-time interaction. Finally, HIV/AIDS mortality data in Costa Rica (1998-2012) are used as an illustration to compare classic standardized mortality ratios and posterior means of relative risk. The proposed method is more efficient and more precise than the maximum likelihood.