马伦·弗兰克斯;克里斯特尔·费斯;吉尔特·莫伦伯格;尼尔·亨斯;菲利普·贝特斯;皮埃尔·范·达姆;阿尔茨，一月;奥纳州彼得罗夫;佩佩曼斯，科恩;托马斯·奈恩斯 联合分析新冠肺炎症状自报调查数据和官方新冠肺炎发病率数据的空间模型。 （英语） Zbl 1531.62089号 生物。J。 65，第1号，文章ID 2100186，第11页（2023）. MSC公司： 62页第10页 统计学在生物学和医学中的应用；元分析 关键词：二元条件自回归随机效应;新冠肺炎;疾病测绘;优先抽样;测量数据 软件：对 PDF格式BibTeX公司 XML格式引用 \textit{M.Vranckx}等人，《生物》。J.65，No.1，文章ID 2100186，11 p.（2023；Zbl 1531.62089） 全文： 内政部 参考文献： [1] Besag，J.和Kooperberg，C.（1995年）。条件和内在自回归。Biometrika，82733-746·Zbl 0899.62123号 [2] deValpine，P.、Turek，D.、Paciorek，C.J.、Anderson‐Bergman，C.、Temple Lang，D.和Bodik，R.（2017）。用模型编程：用NIMBLE编写通用模型结构的统计算法。计算与图形统计杂志，26，403-413。 [3] Desson，Z.、Weller，E.、Mc Meekin，P.和Ammi，M.（2020年）。分析法国、比利时和加拿大对新冠肺炎疫情的政策反应。空间和时空流行病学，9430-446。 [4] Diggle，P.J.、Menezes，R.和Su，T.（2010年）。优先抽样下的地质统计学推断。应用统计学，59191-232。 [5] Geisser，S.和Eddy，W.（1979年）。模型选择的预测方法。美国统计协会杂志，74153-160·Zbl 0401.62036号 [6] Jin，X.、Banerjee，S.和Carlin，B.P.（2007）。无序区域化区域数据模型，应用于多种疾病绘图。英国皇家统计学会杂志B，69，817-883·Zbl 07555376号 [7] 劳森A.B，。(2020). 贝叶斯疾病映射NIMBLE。时空流行病学，33，100323。 [8] Leroux，B.、Lei，X.和Breslow，N.（1999）。小地区疾病发病率的估计：一种新的空间依赖性混合模型。流行病学、环境和临床试验的统计模型（第135-178页）。IMA数学卷及其应用，第116期。斯普林格。 [9] Mamode Khan，N.、Soobhug，A.D.和Heenaye‐Mamode Khan，M.（2020年）。研究毛里求斯新型冠状病毒系列的趋势及其影响。公共科学图书馆一期，15（7），e0235730。 [10] Martinez‐Beneito，M.A.和Botella‐Rocamora，P.（2019年）。从基础到多维建模的疾病映射。查普曼和霍尔/CRC·Zbl 1426.62007年 [11] Neyens，T.、Faes，C.和Molenberghs，G.（2012年）。空间过分散数据的广义泊松伽马模型。时空流行病学，3（3），185-194。 [12] Molenberghs，G.、Verbeke，G.，Demétrio，C.G.B.和Vieira，A.M.C.（2010年）。具有正态和共轭随机效应的重复测度的广义线性模型族。统计科学，25（3），325-347·Zbl 1329.62342号 [13] Neyens，T.、Faes，C.、Vranckx，M.、Pepermans，K.、Hens，N.、Van Damme，P.、Molenberghs，G.、Aerts，J.和Beutels，P.（2020）。大规模在线调查中报告的新型冠状病毒肺炎症状是否可用于优化比利时新型冠肺炎发病风险的空间预测？空间和时空流行病学，35，100379。 [14] Neyens，T.、Lawson，A.B.、Kirby，R.S.和Faes，C.（2016）。空间数据分析的二元组合模型。医学统计学，35，3189-3202。 [15] NIMBLE开发团队。(2019). NIMBLE：MCMC、粒子过滤和可编程分层建模。R软件包版本0.7.0。https://cran.r网址‐project.org/package=敏捷 [16] Pati，D.、Reich，B.J.和Dunson，D.B.（2011年）。具有信息采样位置的贝叶斯地质统计建模。生物特征，98，35-48·Zbl 1214.62029号 [17] R核心团队。(2019). R： 用于统计计算的语言和环境。R统计计算基金会，奥地利维也纳。https://www.R‐项目.org/ [18] Schumacher，F.L.、Ferreira，C.S.、Prates，M.O.、Lachos，A.和Lacos，V.H.（2020年）。COVID‐19死亡数据的稳健非线性混合效应模型。统计学及其接口，14（1），49-57·Zbl 07342179号 [19] Vranckx，M.、Neyens，T.和Faes，C.（2021）。疾病映射中贝叶斯模型选择准则的稳定性。空间统计，43，100502。 [20] Waller，L.A.和Gotway，C.A.（2004）。将空间统计应用于公共卫生数据。威利·Zbl 1057.62106号 [21] Watanabe，S.（2010年）。奇异学习理论中贝叶斯交叉验证的渐近等价性和广泛适用的信息准则。机器学习研究杂志，11，3571-3594·Zbl 1242.62024号 [22] 世界卫生组织（WHO）。(2020). 世卫组织总干事在关于新型冠状病毒-19的媒体吹风会上的开幕词。3月11日。https://www.who.int/dg/speeches/detail/who总干事在2020年3月19日至11日举行的媒体吹风会上的开幕词 [23] Yang，W.、Cao，Q.、Qin，L.、Wang，X.、Cheng，Z.、Pan，A.、Dai，J.、Sun，Q.，Zhao，F.、Qu，J.和Yan，F.（2020年）。2019年新型冠状病毒病（COVID-19）的临床特征和影像学表现：中国浙江温州市的一项多中心研究。感染杂志，80，388-393。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。