Titre :
|
How to interpret and choose a Bayesian spatial model and a Poisson regression model in the context of describing small area cancer risks variations (2013)
|
Titre original:
|
Comment interpréter et choisir un modèle Bayésien d'analyse de données spatiales et de régression de Poisson dans le contexte de la description de risques de cancer dans des unités de petites tailles
|
Auteurs :
|
M. COLONNA ;
E.A. Sauleau
|
Type de document :
|
Article
|
Dans :
|
Revue d'épidémiologie et de santé publique (RESP) (vol. 61, n° 6, Décembre 2013)
|
Pagination :
|
559-567
|
Langues:
|
Anglais
|
Mots-clés :
|
Analyse spatiotemporelle
;
Cancer
;
Incidence
;
Régression logistique
|
Résumé :
|
[BDSP. Notice produite par CREAIORSLR nnR0xD9J. Diffusion soumise à autorisation]. L'approche statistique bayésienne est largement utilisée en cartographie et en régression de Poisson. Les estimations diffèrent selon les hypothèses choisies. Notre objectif est de fournir une présentation des outils qui peuvent guider l'interprétation des résultats et le choix des hypothèses a priori. Les données du registre du cancer de l'Isère (France) servent d'illustration. Nous considérons dans un premier temps les modèles bayésiens dans le contexte de représentations cartographiques. Les statistiques classiques de mesure de l'hétérogénéité des SIR (statistique de Potthoff-Whithinghill) et de l'autocorrélation spatiale (statistique de Moran) des SIR, le critère DIC de mesure de l'ajustement des différents modèles bayésiens et la comparaison des variances empiriques correspondant aux composantes d'hétérogénéité et de structuration spatiale du modèle BYM sont envisagés. Les deux derniers critères sont pris en compte dans le cadre d'un modèle de régression prenant en compte une variable explicative. La représentation cartographique des composantes du modèle BYM correspondant est également réalisée. Quatre localisations cancéreuses (prostate, poumon, côlon-rectum et vessie) chez les hommes diagnostiqués durant la période de diagnostic 1998-2007 servent d'illustration. Nous montrons que les différents critères conduisent à des résultats cohérents. Une interprétation précise des résultats est une étape indispensable pour le choix d'un modèle bayésien adapté. Ce choix est aisé avec le critère DIC. La comparaison des variances des composantes structurées et non structurées spatialement du modèle BYM s'avère également utile. (R.A.).
|