Disease Mapping: From Foundations to Multidimensional Modeling

نقشه برداری بیماری: از مبانی تا مدل سازی چند بعدی خواننده را از اصول نقشه برداری بیماری به پیشرفته ترین موضوعات در این زمینه راهنمایی می کند. یک چارچوب چند بعدی ارائه شده است که مدل‌سازی مشترک چندین الگوی ریسک مربوط به ترکیبی از چندین عامل، از جمله گروه سنی، دوره زمانی، بیماری و غیره را ممکن می‌سازد. اگرچه نظریه پوشش داده می‌شود، مؤلفه کاربردی به همان اندازه با بسیاری از عوامل مهم خواهد بود. نمونه های عملی ارائه شده

ویژگی ها:

• بحث می کند آخرین پیشرفت‌ها در نقشه‌برداری چند متغیره و چند بعدی.
• یک چارچوب پیشرفته را ارائه می‌دهد که اکثر رویکردهای نقشه‌برداری بیماری پیشنهادی قبلی را متحد می‌کند. .
• نقاط اپیدمیولوژیکی و آماری را متعادل می کند.
• به هیچ دانش قبلی در مورد نقشه برداری بیماری نیاز ندارد.
• شامل جلسات عملی در پایان هر فصل با WinBUGs/INLA و مجموعه داده های دنیای واقعی است.
• کد R را برای مثال های کتاب ارائه می دهد تا آنها می توانند توسط خواننده بازتولید شوند.

درباره نویسندگان:

میگل آ. مارتینز بنیتو تمام دوران حرفه ای خود را به عنوان آمارگیر برای خدمات بهداشت عمومی، ابتدا در واحد اپیدمیولوژی اداره بهداشت منطقه ای والنسیا (اسپانیا) و سپس به عنوان محقق در بخش بهداشت عمومی FISABIO، یک زیست منطقه ای گذرانده است. -مرکز تحقیقات بهداشتی او همچنین استاد مدل های سلسله مراتبی بیزی برای چندین فصل در استاد بیوستاتیک دانشگاه والنسیا بوده است.

پالوما بوتلا روکامورا بیشتر دوران حرفه ای خود را در دانشگاه گذرانده است، اگرچه او اکنون به عنوان آمارگیر در واحد اپیدمیولوژی اداره بهداشت منطقه ای والنسیا کار می کند. . بیشتر تحقیقات او به توسعه و بکارگیری مدل‌های نقشه‌برداری بیماری روی داده‌های واقعی اختصاص یافته است، اگرچه کار او به‌عنوان آماردان در یک واحد اپیدمیولوژی باعث می‌شود که به طور کلی روش‌های آماری را برای داده‌های بهداشتی توسعه داده و به کار گیرد.

Disease Mapping: From Foundations to Multidimensional Modeling guides the reader from the basics of disease mapping to the most advanced topics in this field. A multidimensional framework is offered that makes possible the joint modeling of several risks patterns corresponding to combinations of several factors, including age group, time period, disease, etc. Although theory will be covered, the applied component will be equally as important with lots of practical examples offered.

Features:

• Discusses the very latest developments on multivariate and multidimensional mapping.
• Gives a single state-of-the-art framework that unifies most of the previously proposed disease mapping approaches.
• Balances epidemiological and statistical points-of-view.
• Requires no previous knowledge of disease mapping.
• Includes practical sessions at the end of each chapter with WinBUGs/INLA and real world datasets.
• Supplies R code for the examples in the book so that they can be reproduced by the reader.

About the Authors:

Miguel A. Martinez Beneito has spent his whole career working as a statistician for public health services, first at the epidemiology unit of the Valencia (Spain) regional health administration and later as a researcher at the public health division of FISABIO, a regional bio-sanitary research center. He has been also the Bayesian Hierarchical Models professor for several seasons at the University of Valencia Biostatics Master.

Paloma Botella Rocamora has spent most of her professional career in academia although she now works as a statistician for the epidemiology unit of the Valencia regional health administration. Most of her research has been devoted to developing and applying disease mapping models to real data, although her work as a statistician in an epidemiology unit makes her develop and apply statistical methods to health data, in general.