地理空间健康数据：基于R-INLA和Shiny的建模与可视化

　　地理空间健康数据对于公共卫生和政策制定至关重要。这些数据可用于量化疾病负担，了解地理和时间模式，识别风险因素以及衡量不平等现象。本书介绍了R中用于分析地理参考健康数据的空间和时空统计方法以及可视化技术，具体涵盖以下主题：·操作和转换点、面和栅格数据；·使用区域和地理统计数据进行疾病映射的贝叶斯分层模型；·使用集成的嵌套拉普拉斯近似（INLA）和随机偏微分方程（SPDE）方法拟合和解释空间和时空模型；·创建交互式和静态可视化，例如疾病地图和时间曲线图；·可重现的R Markdown报告、交互式仪表盘和Shiny Web应用程序，便于向合作者和决策者传达见解。 本书提供了基于真实世界数据的多个疾病和环境应用的完全可复制示例，例如冈比亚的疟疾，英国和美国的癌症以及西班牙的空气污染。这些示例主要集中在健康应用方面，但所涉及的方法也适用于其他使用地理参考数据的领域，包括流行病学、生态学、人口统计学和犯罪学。本书清晰描述了数据导入、操作、建模和可视化的R代码以及结果的解释。这确保内容完全可复制并且便于学生、研究人员和从业者使用。

暂缺《地理空间健康数据：基于R-INLA和Shiny的建模与可视化》作者简介

暂缺《地理空间健康数据：基于R-INLA和Shiny的建模与可视化》目录