Deep learning and MCMC with aggVAE for shifting administrative boundaries: mapping malaria prevalence in Kenya

要約

モデルベースの疾病マッピングは、依然として公衆衛生および疾病監視における基本的な政策情報ツールです。
階層ベイジアン モデルは、データ内の構造を把握し、不確実性を特徴付けることができるため、疾患マッピングの最先端のアプローチとなっています。
地域データ (地区や州などの行政単位レベルでの集計など) を扱う場合、日常的に使用されるモデルは、空間相関を考慮するために地域単位の隣接構造に依存します。
疾病監視システムの目標は、疾病の転帰を長期にわたって追跡することです。
この任務は、行政境界の変更につながる政変などの危機状況において困難を伴います。
ケニアは、2010 年に境界変更が行われた国の例です。さらに、隣接関係に基づくアプローチは、空間プロセスの連続的な性質を無視しており、サポートの変更問題、つまり、行政境界が変更されるときや推定値が変更されるときを解決できません。
異なる管理レベルで作成する必要があります。
私たちは、深い生成モデリングと完全なベイジアン推論を組み合わせた方法論に依存した、斬新で実用的で実装が簡単なソリューションを提案します。私たちは、変分オートエンコーダーを使用して小さな領域にわたる空間事前分布をエンコードできる最近提案された PriorVAE 手法を構築し、マラリア有病率をマッピングします。
ケニア。

要約(オリジナル)

Model-based disease mapping remains a fundamental policy-informing tool in public health and disease surveillance. Hierarchical Bayesian models have become the state-of-the-art approach for disease mapping since they are able to capture structure in the data, as well as to characterise uncertainty. When working with areal data, e.g.~aggregates at the administrative unit level such as district or province, routinely used models rely on the adjacency structure of areal units to account for spatial correlations. The goal of disease surveillance systems is to track disease outcomes over time. This task provides challenging in situations of crises, such as political changes, leading to changes of administrative boundaries. Kenya is an example of a country where change of boundaries took place in 2010. Moreover, the adjacency-based approach ignores the continuous nature of spatial processes and cannot solve the change-of-support problem, i.e.~when administrative boundaries change or when estimates must be produced at a different administrative level. We present a novel, practical, and easy to implement solution relying on a methodology combining deep generative modelling and fully Bayesian inference: we build on the recently proposed PriorVAE method able to encode spatial priors over small areas with variational autoencoders, to map malaria prevalence in Kenya.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google