Detecção de clusters espacias e espaço-temporais em modelos com excesso de zeros e sobredispersão

Autor: Leticia Pereira Pinto
Přispěvatelé: Luiz Henrique Duczmal, Max Sousa de Lima, Cibele Queiroz da Silva, Andre Luiz Fernandes Cançado, Sueli Aparecida Mingoti, Fernando Luiz Pereira de Oliveira
Jazyk: portugalština
Rok vydání: 2015
Předmět:
Zdroj: Repositório Institucional da UFMG
Universidade Federal de Minas Gerais (UFMG)
instacron:UFMG
Popis: A Estatística Scan Espacial é um dos métodos mais importantes para a detecção e monitoramento de clusters espaciais de doenças. Geralmente, assume-se que os casos de doença seguem uma distribuição de Poisson ou binomial. Na prática, no entanto, dados de contagem de casos frequentemente apresentam um excesso de zeros e/ ou sobredispersão, resultando na violação desses modelos comumente utilizados, aumentando a ocorrência do erro tipo I. Esta tese descreve uma modificação da Estatística Scan Espacial com o modelo Poisson Duplo inflacionado de Zeros (ZIDP) para reduzir o erro tipo I, acomodando simultaneamente o excesso de zeros e a sobredispersão. Os parâmetros do modelo nulo e alternativo são estimados pelo algoritmo da Expectation-Maximization e o p-valor é obtido através do Fast Double Bootstrap Test. Uma aplicação é apresentada para os dados de Hanseníase na Amazônia brasileira. Uma extensão desta estatística em sistemas prospectivos de vigilância espaço-temporal foi estudada e para avaliar o seu desempenho foram utilizadas simulações de Monte Carlo. The Spatial Scan Statistic is one of the most important methods for detecting and monitoring spatial disease clusters. Usually it is assumed that disease cases follow a Poisson or Binomial distribution. In practice, however, case count datasets frequently present na excess of zeroes and/or overdispersion, resulting in the violation of those commonly used models, increasing type I error occurrence. This thesis describes a modi_cation of the Spatial Scan Statistic with the Zero Inated Double Poisson (ZIDP) model to reduce type I error, accommodating simultaneously an excess of zeroes and overdispersion. The null and alternative model parameters are estimated by the Expectation-Maximization algorithm and the p-value is obtained through the Fast Double Bootstrap Test. An application is presented for Hanseniasis data in the Brazilian Amazon. An extension of this statistic in prospective space-time surveillance systems has been studied and in assess their performance Monte Carlo simulations were used.
Databáze: OpenAIRE
Externí odkaz: