Using R for Bayesian Spatial and Spatio-Temporal Health Modeling (Uso de R para la modelización sanitaria bayesiana espacial y espaciotemporal)

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 2 votos.

Título original:

Using R for Bayesian Spatial and Spatio-Temporal Health Modeling

Contenido del libro:

Cada vez se presta más atención al modo en que la ubicación afecta a los resultados sanitarios. El área de la cartografía de enfermedades se centra en estos problemas, y el paradigma bayesiano tiene un importante papel que desempeñar en la comprensión de la compleja interacción del contexto y la predisposición individual en tales estudios de enfermedades. Using R for Bayesian Spatial and Spatio-Temporal Health Modeling proporciona un importante recurso para los interesados en aplicar la metodología bayesiana en estudios de datos sanitarios de áreas pequeñas.

Características:

⬤ Revisión de gráficos R relevantes para datos espaciales de salud.

⬤ Resumen de métodos bayesianos y modelización jerárquica bayesiana aplicada a datos espaciales.

⬤ Cálculo bayesiano y bondad de ajuste.

⬤ Revisión de los modelos bayesianos básicos de cartografía de enfermedades.

⬤ Modelación espacio-temporal con MCMC e INLA.

⬤ Temas especiales incluyen modelos multivariantes, análisis de supervivencia, datos faltantes, error de medida, selección de variables, modelización de eventos individuales y modelización de enfermedades infecciosas.

⬤ Software para el ajuste de modelos basado en BRugs, Nimble, CARBayes e INLA.

⬤ Proporciona código relevante para ajustar todos los ejemplos del libro en un sitio web complementario.

El libro llena un vacío en la literatura y en el software disponible, proporcionando un enlace crucial para que tanto estudiantes como profesionales se dediquen al análisis de datos sanitarios espaciales y espacio-temporales desde una perspectiva bayesiana utilizando R. El libro hace hincapié en el uso de MCMC mediante Nimble, BRugs y CARBAyes, pero también incluye INLA con fines comparativos. Además, se emplea una amplia gama de paquetes útiles en el análisis de datos espaciales georreferenciados y se proporciona código. Probablemente se convertirá en una referencia clave para investigadores y estudiantes de bioestadística, epidemiología, salud pública y ciencias ambientales.