Detekcia priestorových hraníc chorôb pomocou amortizovaného bayesovského odvodzovania

Článok sa zaoberá analýzou hraníc chorôb, ktorá identifikuje náhle zmeny v zdravotných výsledkoch medzi geografickými hranicami a pomáha pri cielených intervenciách verejného zdravotníctva. Tradičné prístupy využívajú bayesovskú metódu "wombling" a spoliehajú sa na Markovov reťazec Monte Carlo (MCMC), čo spôsobuje problémy so škálovateľnosťou pri rozsiahlom sledovaní chorôb. Výskumníci použili amortizované bayesovské odvodzovania (ABI) na urýchlenie detekcie priestorových zdravotných rozdielov medzi susednými okresmi v USA. Zaviedli novú metriku nazvanú Residual Disparity Elimination Target, ktorá meria potrebné zníženie mortality alebo prevalencie na elimináciu významného rozdielu s susedným regiónom. Analýza sa zamerala na mieru mortality rakoviny tracheálnej, bronchiálnej a pľúcnej v okresoch kontinentálnych USA a dosiahla výsledky zhodné s MCMC analýzou pri lepšej škálovateľnosti.