Bivariate Binomial Spatial Modeling of Loa loa Prevalence in Tropical Africa
热带非洲罗阿丝虫患病率的二元二项空间建模AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要聚焦疾病患病率空间建模，政策阈值本身不构成因果效应或金融尾部风险分类依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
热带非洲罗阿丝虫患病率的二元二项空间建模
- 研究问题
- 如何利用具有依赖性的二元二项空间数据绘制罗阿丝虫患病率地图，同时兼顾模型复杂度、计算可行性和政策阈值评价？
- 方法与思路
- 作者从调查工具的非空间校准出发，进行空间模型构建与评估，处理大型协变量数据，并比较给定超标政策阈值下的空间预测方法。
- 材料陈述的贡献
- 摘要称形成从调查工具校准到空间制图的应用流程，并开发经测试、供现场人员在线更新地图的软件，讨论建模与计算问题。
- 阅读关注点
- 应核对两类二项数据的关联结构、调查工具校准如何传递不确定性，以及政策超标阈值下的预测评价和在线更新流程。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未说明具体模型、预测验证结果或软件当前可用性，不能推断刊本变化。
原文摘要
We present a state-of-the-art application of smoothing for dependent bivariate binomial spatial data to Loa loa prevalence mapping in West Africa. This application starts with the nonspatial calibration of survey instruments, continues with the spatial model building and assessment, and ends with robust, tested software intended for use by field workers for online prevalence map updating. From a statistical perspective, we address several important methodological issues: building spatial models that are sufficiently complex to capture the structure of the data but remain computationally usable, reducing the computational burden in the handling of very large covariate data sets, and devising methods for comparing spatial prediction methods for a given exceedance policy threshold.