INLAおよびSPDEメソッドを使用した地球統計データのベイジアン空間モデリング：モザンビークのマラリアリスクを予測するケーススタディ

ベイジアンの空間モデルは、健康、生態学、環境などの科学分野で生じるデータを分析するために広く使用されています。従来、マルコフチェーンモンテカルロ（MCMC）メソッドは、これらのタイプのモデルに適合するために使用されてきました。ただし、これらは収束の点で幅広い問題を提示する非常に計算的に集中的な方法であり、ビッグデータの問題では実行不可能になる可能性があります。統合されたネストされたラプラス近似（INLA）メソッドは、MCMCの計算的でない集中的な代替品であり、一般化された線形混合モデルや空間的および空間的モデルなどの潜在ガウスモデルで、おおよそのベイジアン推論を実行できます。このアプローチは、確率的部分微分方程式（SPDE）アプローチと組み合わせて使用して、特定のサイトで収集された地球統計データを分析して、データの根底にある空間プロセスを予測し、共変量の効果を評価し、他のソースの他のソースをモデル化することができます。変動性。ここでは、モザンビークのマラリアの有病率と危険因子の自由に利用可能なデータに適用されるINLAおよびSPDEアプローチを使用して、ベイジアン空間モデルを適合させる方法を示します。マラリアリスクを予測し、R-INLAパッケージを使用して共変量の効果を評価する方法を示し、解釈する方法を示し、結果を再現したり、他の空間アプリケーションで使用したりするために必要なRコードを提供します。

Bayesian spatial models are widely used to analyse data that arise in scientific disciplines such as health, ecology, and the environment. Traditionally, Markov chain Monte Carlo (MCMC) methods have been used to fit these type of models. However, these are highly computationally intensive methods that present a wide range of issues in terms of convergence and can become infeasible in big data problems. The integrated nested Laplace approximation (INLA) method is a computational less-intensive alternative to MCMC that allows us to perform approximate Bayesian inference in latent Gaussian models such as generalised linear mixed models and spatial and spatio-temporal models. This approach can be used in combination with the stochastic partial differential equation (SPDE) approach to analyse geostatistical data that have been collected at particular sites to predict the spatial process underlying the data as well as to assess the effect of covariates and model other sources of variability. Here we demonstrate how to fit a Bayesian spatial model using the INLA and SPDE approaches applied to freely available data of malaria prevalence and risk factors in Mozambique. We show how to fit and interpret the model to predict malaria risk and assess the effect of covariates using the R-INLA package, and provide the R code necessary to reproduce the results or to use it in other spatial applications.