《International Journal of Environmental Research and Public Health》:Uncertainty Quantification in Zip Code Tabulation Area-Level Breast Cancer Screening: A Bayesian Geospatial Analysis in Hillsborough County, Florida
编辑推荐:
乳腺癌筛查模式的地区差异(GV)在佛罗里达州的邮政编码制表区(ZCTA)之间存在,但大多数空间分析基于频率学派点估计,这些估计未正式表示不确定性。本研究采用三阶段分析方法,对佛罗里达州希尔斯伯勒县邮政编码区(ZCTA)层面的乳腺癌筛查数据(n = 55个ZCT
乳腺癌筛查模式的地区差异(GV)在佛罗里达州的邮政编码制表区(ZCTA)之间存在,但大多数空间分析基于频率学派点估计,这些估计未正式表示不确定性。本研究采用三阶段分析方法,对佛罗里达州希尔斯伯勒县邮政编码区(ZCTA)层面的乳腺癌筛查数据(n = 55个ZCTA)进行分析:首先,应用频率学派泊松回归并进行多重共线性诊断;其次,使用莫兰指数(Moran's I)进行全局空间自相关(GSA)分析;第三,进行贝叶斯泊松回归和贝叶斯负二项回归,均通过brms/Stan框架中的无U型转向采样器(No-U-Turn Sampler)进行估计。在ArcGIS Pro 3.6中执行空间分析。因变量是研究期间ZCTA层面记录的乳腺癌筛查检查次数。在所有种族/族裔亚组中,观察到的筛查次数与家庭中女性人数相关,而调整后未发现中位家庭收入、保险状况或年龄分层变量具有独立相关性。研究区域未发现显著且强烈的空间自相关(Moran's I = 0.003,z = 0.326,p = 0.745)。泊松模型在贝叶斯模型中表现最佳,其贝叶斯R2为0.91,均方根误差(RMSE)为5.40,平均偏差误差(MBE)为0.02。结果表明,贝叶斯不确定性量化在小区域公共卫生监测中的作用,并提供了一个以概率方式量化筛查活动地区差异的框架。结果仅比较筛查检查次数(而非人群标准化筛查率),应视为反映筛查量而非筛查参与率。
**论文解读:基于贝叶斯地理空间框架的ZCTA层面乳腺癌筛查不确定性量化研究**
**研究背景与问题**
乳腺癌是全球女性最常见的恶性肿瘤之一,也是癌症相关死亡的主要原因。在美国,尽管筛查率在某些群体中较高,但非西班牙裔黑人女性仍承受着不成比例的较高死亡率,提示筛查参与之外的因素(如延迟诊断、医疗可及性差异和系统性不平等)在结局中发挥重要作用。佛罗里达州每年报告超过20,000例新发女性乳腺癌病例,发病率与全国平均水平相当,但筛查和死亡率在县与社区间存在显著差异。现有研究多基于频率学派点估计,未能正式量化小区域估计的不确定性,这在ZCTA数量适中的县尤为局限,因为渐近推断可能不可靠。贝叶斯疾病制图方法通过将每个ZCTA系数和预测计数视为后验分布,提供整合数据变异性和先验不确定性的可信区间。然而,在ZCTA层面乳腺癌筛查的贝叶斯不确定性量化研究尚不充分。因此,本研究旨在通过结合不确定性导向的贝叶斯地理空间框架,分析佛罗里达州希尔斯伯勒县ZCTA层面的乳腺癌筛查检查次数,以填补这一空白。研究发表在《International Journal of Environmental Research and Public Health》。
**主要技术方法**
研究人员采用三阶段分析方法:第一阶段为频率学派泊松回归,用于评估ZCTA层面人口统计学、社会经济和保险相关特征与筛查检查次数的关联,并诊断多重共线性;第二阶段使用莫兰指数(Moran's I)进行全局空间自相关分析,以评估筛查活动是否存在空间依赖性;第三阶段为贝叶斯计数回归(泊松和负二项模型),通过brms/Stan框架中的无U型转向采样器(NUTS)进行马尔可夫链蒙特卡洛(MCMC)估计,采用Jeffreys无信息先验以客观量化不确定性。数据来源于美国人口普查局和公共卫生数据,样本为佛罗里达州希尔斯伯勒县55个ZCTA(n=55)。
**研究结果**
- **3.1 描述性概况**
乳腺癌筛查检查次数在ZCTA间差异显著,范围从3到100例,若干ZCTA显示较高计数,而其他区域持续较低,分布不均匀。
- **3.2 频率学派泊松回归结果**
通过逐步去除总人口和关联年龄变量以解决多重共线性(方差膨胀因子VIF降至阈值以下),最终模型显示:白种人、黑种人或非洲裔美国人以及西班牙裔或拉丁裔女性人口计数与筛查次数显著相关,而中位家庭收入、保险状况和年龄分层变量在调整后无显著关联。负二项稳健性检验确认系数方向和显著性一致。
- **3.3 空间可视化与热点/冷点模式**
通过核密度热图显示,高计数ZCTA(63-100例)集中在县中部和东北部,低计数ZCTA(3-40例)主要分布在西部和外围区域。
- **3.4 全局空间自相关(Moran's I)**
Moran's I值为0.003(z=0.326,p=0.745),表明ZCTA层面筛查计数存在地理异质性但无统计显著的全局空间自相关,因此未进行局部聚类分析(如LISA或Getis-Ord Gi*)。
- **3.5 贝叶斯计数回归结果**
贝叶斯泊松模型在所有四个链中完全收敛(R?=1.00),后验预测检查显示分布拟合良好。三个显著预测变量为:白种人女性人口(β=0.22,95%CrI:0.15-0.28)、黑种人或非洲裔美国人女性人口(β=0.13,95%CrI:0.06-0.19)和西班牙裔或拉丁裔女性人口(β=0.09,95%CrI:0.00-0.19)。其余预测变量的可信区间跨零。贝叶斯负二项模型产生相似系数方向但更宽的可信区间。模型比较显示贝叶斯泊松模型在所有指标上优于负二项模型:贝叶斯R
2=0.91 vs 0.82,RMSE=5.40 vs 8.31,MBE=0.02 vs 1.40,DIC=367.2 vs 409.4。
**讨论与结论**
讨论部分指出:最一致的结果是筛查检查次数与各种族/族裔女性人口计数显著相关,但结果基于检查次数而非人群标准化率,因此反映筛查量而非参与率。收入、保险和年龄变量在ZCTA层面无显著独立解释力,可能因种族/族裔构成吸收了大部分区域间方差。全局空间自相关不显著,表明筛查活动模式更可能反映局部人口特征而非大规模空间扩散过程。贝叶斯框架的价值在于为每个ZCTA系数提供正式可信区间,优于频率学派点估计,且ZCTA中较宽的可信区间应优先作为数据收集和潜在干预区域。公共卫生意义方面,研究结果支持基于人口学特征的筛查监测策略(如移动乳腺X线摄影、患者导航和文化响应性外展),而非基于邻接的地理靶向。局限性包括:因变量为筛查检查次数而非标准化率,生态学设计无法推断个体,莫兰指数可能无法检测局部自相关,样本量(n=55)限制模型类型,预测变量仅限人口普查数据,以及横断面设计无法评估因果或时间趋势。
**结论翻译**:本研究采用整体性、基于不确定性的方法,包括经典泊松回归建模、全局空间自相关测量和贝叶斯计数回归建模,分析了佛罗里达州希尔斯伯勒县各ZCTA间乳腺癌筛查检查次数的地理变异。结果表明,贝叶斯不确定性分析在小区域公共卫生监测中的重要性,并提示概率方法在循证决策中的应用潜力。多个主要种族/族裔群体的女性人数与乳腺癌筛查检查次数显著相关,而收入水平、保险和年龄分层变量在统计稳健的模型中无显著关联。由于结果变量为筛查检查次数而非率,此发现应视为指示筛查量变异而非筛查参与水平变异。全局空间自相关极低,表明缺乏空间协调模式,地理变异更可能由局部人口因素而非空间扩散驱动。在测试的贝叶斯方法中,贝叶斯泊松回归表现良好,提供了量化参数估计不确定性的可信区间。本研究最重要的贡献不仅在于调查乳腺癌筛查利用的地理变异,还在于展示了贝叶斯不确定性量化方法在小区域数据公共卫生研究中的能力。未来研究应采用人群标准化筛查率、局部聚类分析和贝叶斯疾病制图层次模型。