时空建模方法用于绘制美国各县癌症发病率在地理和时间上的变化情况 可购买

《Cancer Epidemiology, Biomarkers & Prevention》：Spatiotemporal Modeling Approach to Mapping Geographic and Temporal Variation in Cancer Incidence Rates for US Counties Available to Purchase

　　

摘要

背景：

绘制癌症发病率地图对于分析和可视化不同地理区域的模式至关重要。尽管许多研究在次国家级别（如州、县）上绘制癌症发病率地图，但公开可用的县级数据，尤其是对于较少见的癌症，仍然非常有限。

方法：

利用北美中央癌症登记协会（NAACCR）CiNA研究数据库（2005–2019年）的数据，我们开发了时空层次模型，以平滑/预测美国所有县的年度年龄组特定病例数。我们比较了泊松分布和零截断泊松分布的似然性以及各种先验分布。模型性能通过偏差信息准则、加权赤池信息准则和平均绝对相对偏差（AARD）进行评估。将调整后的年龄比率绘制在地图上，以可视化空间和时间模式。

结果：

我们为2005年至2019年间3,109个县的16个选定性别特异性癌症部位生成了调整后的年龄比率。AARD值因部位和背景而异，常见癌症和人口较多的县的AARD值较低，而罕见癌症和人口稀少地区的AARD值较高。与观测到的比率地图相比，模型生成的地图更加平滑和连贯，填补了数据空白，并减少了由少数病例引起的极端值，同时保留了大规模的地理梯度和时间趋势。

结论：

标准泊松层次混合效应模型显示出更高的准确性和计算效率，因此被选为最终估计方法。正如预期的那样，人口较多地区的常见癌症部位的预测最为准确，而人口较少地区的罕见癌症部位的预测准确性最低。

影响：

所得到的估计结果和地图可以支持监测、趋势分析、差异识别、有针对性的干预措施以及更广泛的研究工作。

数据可用性

输入数据来自NAACCR CiNA研究数据集，这些数据集可供NAACCR成员或与NAACCR成员合作的研究人员在提交经过批准的数据请求后获取。更多详细信息请访问：https://www.naaccr.org/cina-research/。