基于设计的空间潜高斯模型(DBSLGM)在尼日利亚儿童疟疾发病率建模中的应用

《Discover Public Health》：Design-based spatial modelling of malaria incidence among children in Nigeria using latent Gaussian model

　　

全国疟疾数据多为通过复杂调查设计收集的个体水平数据集，例如疟疾指标调查（Malaria Indicator Survey, MIS）。然而，文献中的疟疾模型常使用地理层面的计数数据，很少顾及复杂调查设计。复杂抽样设计对数据分析结果的影响可能导致参数估计偏倚及人群代表性不足。本研究提出了一种分层基于设计的空间潜高斯模型（design-based spatial latent Gaussian model, DBSLGM），该模型考虑了疟疾发病率的个体水平因素。DBSLGM被拟合至2021年尼日利亚疟疾指标调查（Nigeria Malaria Indicator Survey, NMIS）数据。缺失值采用多重插补方法处理，并利用方差膨胀因子评估协变量间的多重共线性。推断通过综合嵌套拉普拉斯近似（integrated nested Laplace approximation, INLA）完成。DBSLGM的结构化线性预测因子服从高斯先验，空间效应服从BYM2先验，设计信息、初级抽样单元和分层效应均服从独立高斯分布。研究人员从拟合模型在插补数据集上提取相对风险、超越概率和聚类。使用后验预测检验和比较诊断评估模型性能。对拟合的DBSLGM进行残差Moran's I检验，结果显示无残余空间自相关证据。研究人员报告了疟疾发病率危险因素的后验比值比。进行的敏感性分析表明模型在多种情况下具有稳健性。DBSLGM在2021 NMIS数据上的结果强调敏感性而非特异性，然而，结合调查权重、多重插补和空间随机效应所提供的估计更能代表目标人群，且更适合全国层面的推断。DBSLGM框架为政策制定者提供了一个直观的答案，即某州疟疾风险升高并超过干预阈值的概率估计。

论文解读：基于设计的空间潜高斯模型在尼日利亚儿童疟疾发病率建模中的应用

一、研究背景与问题

疟疾是尼日利亚最严重的公共卫生问题之一。根据世界卫生组织（WHO）2022年疟疾报告，尼日利亚2021年估计有6800万疟疾病例和19.4万例死亡，占全球疟疾负担的近27%和全球疟疾死亡的31%。2023年WHO报告显示，该国疟疾死亡人数已增至近20万，其中五岁以下儿童和孕妇负担最重。尽管尼日利亚在疟疾防控方面取得了一定进展，但其面临的挑战依然严峻，全年全国范围内均存在传播风险。

现有文献中关于尼日利亚疟疾发病率的建模研究存在若干局限性。首先，多数模型以地理层面的计数数据为分析单位，例如州或地方政府区域的病例数，而很少在个体水平上分析疟疾风险。其次，利用调查数据的研究往往未能在模型中充分考虑复杂调查设计，例如分层、整群抽样和抽样权重。疟疾指标调查（MIS）等国家级调查采用复杂的多阶段抽样设计，忽略这种设计可能导致参数估计偏倚、标准误被低估或高估，从而使推断结果无法真正代表目标人群。此外，常用的空间平滑技术基于地理邻接关系，可能掩盖风险表面的不连续性，影响高风险聚类的准确识别。

为解决上述问题，研究人员提出了基于设计的空间潜高斯模型（DBSLGM），该模型在一个统一的贝叶斯分层框架中同时纳入个体水平协变量、抽样权重、初级抽样单元（PSU）效应、分层效应和空间随机效应，从而更准确地刻画疟疾发病率的个体差异与空间异质性。

二、研究内容

本研究利用2021年尼日利亚疟疾指标调查（NMIS）数据，该调查于2021年10月至12月疟疾传播高峰期开展，采用两阶段抽样设计，共覆盖全国568个初级抽样单元（其中农村373个、城市195个），每个单元系统抽取25户家庭，最终样本包含10,944名6至59个月儿童。调查通过快速诊断测试（RDT）检测疟疾抗原，并收集了儿童、母亲及家庭层面的丰富协变量信息。

研究人员构建了DBSLGM，其似然函数为伯努利分布，线性预测因子包含截距、个体水平协变量向量、BYM2空间效应（结构化与非结构化）、PSU随机效应和分层随机效应。抽样权重经重新缩放并归一化后纳入加权似然，以校正不等概率抽样。空间效应采用BYM2先验，该先验解决了经典BYM模型的可识别性问题，通过单一总体方差参数和混合参数分离结构化与非结构化空间成分。PSU和分层效应均假定为独立高斯分布。推断采用综合嵌套拉普拉斯近似（INLA），避免了马尔可夫链蒙特卡洛（MCMC）的计算负担。缺失值通过链式方程多重插补（MICE）处理，采用分类回归树（CART）方法，生成10个插补数据集，并使用Rubin法则合并后验估计。

三、主要技术方法

本研究涉及的关键技术方法包括：第一，基于设计的加权似然方法，将归一化后的抽样权重直接纳入贝叶斯模型的似然函数，形成伪后验加权似然；第二，BYM2空间先验，用于建模结构化空间相关性和非结构化异质性；第三，INLA近似贝叶斯推断，高效计算潜高斯模型的后验边缘分布；第四，MICE多重插补处理缺失数据，并通过Rubin法则合并插补数据集的结果；第五，超越概率（exceedance probability）计算，基于后验预测的状态水平风险，估计各州疟疾风险超过干预阈值的概率；第六，模型验证与敏感性分析，包括残差Moran's I检验、后验预测检验、DIC、WAIC、LPML等诊断指标，以及不同空间模型、先验、邻接结构和阈值设置的比较。

四、研究结果

1. 探索性数据分析与空间自相关检验：未考虑调查设计的模型分析（MBA）与考虑调查设计的分析（DBA）显示疟疾发病率比例存在明显差异，证实忽视抽样设计会导致偏倚估计。Moran's I检验（标准离差值=2.9209，p=0.001745）表明疟疾发病率存在显著的全局空间自相关，支持引入空间随机效应。

2. 敏感性分析：DBSLGM对空间模型设定（BYM、BYM2、Besag）稳健，BYM与BYM2的后验相对风险相关性达0.9998，热点分类Cohen's Kappa系数为1；对PC先验与log-Gamma先验的比较显示诊断值接近；对Queen与Rook邻接结构的比较显示几乎完全一致的分类结果（κ=1）；对不同超先验设置的比较同样显示稳定结果。然而，超越概率阈值的选择对热点分类影响显著，阈值从0.70提高到0.99时，识别出的热点数量从14个降至2个，表明模型对该选择敏感。

3. 模型拟合与后验预测检验：DBSLGM的AUC为0.651，显示中等判别能力；敏感性为0.924，特异性仅为0.167。模型倾向于正确识别疟疾阳性儿童，但误分类率较高。校准截距和斜率显示模型倾向于高估疟疾概率，PIT直方图呈现右偏分布，后验预测概率直方图显示大量预测概率集中在0.5附近。

4. 残差空间自相关检验：拟合DBSLGM后，残差的Moran's I为-0.1167（p=0.7613），蒙特卡洛模拟（1000次）结果同样不显著（p=0.7562），表明模型已充分捕获数据中的空间依赖性，无剩余空间自相关。

5. 相对风险与超越概率地图：后验相对风险地图显示，高风险州分散于阿夸伊博姆州（南南地区）与索科托、吉加瓦州（北部地区）之间，西北地区和联邦首都区（FCT）风险高于全国平均水平。超越概率地图显示，西北部各州、阿夸伊博姆州、FCT、埃努古州、纳萨拉瓦州和吉加瓦州具有强有力的证据表明其疟疾风险升高（超越概率≥0.90），被识别为高置信热点。

6. 热点聚类识别：聚类地图将各州划分为高风险和低风险类别，高风险聚类包括吉加瓦州、FCT、埃努古州和阿夸伊博姆州。该框架为政策制定者提供了直观的概率答案，即各州疟疾风险升高并超过干预阈值的可能性。

7. 固定效应估计：后验比值比显示，家庭中儿童数量每增加一个，疟疾发病比值比约增加4%；儿童年龄每增加一岁，比值比约降低1%，但95%可信区间包含1，表明证据较弱。

五、讨论与结论

DBSLGM框架为尼日利亚国家疟疾控制计划提供了实用的决策支持工具。与传统仅报告全国平均值的分析不同，该模型在个体水平上建模疟疾风险，同时将空间效应聚合到州级，并量化每个估计的不确定性。模型强调敏感性而非特异性，这对于疟疾监测和筛查具有重要意义，因为遗漏真实高风险地区的后果比额外调查非高风险地区更为严重。然而，低特异性也提示模型可能将资源导向传播强度相对较低的地区，因此建议将模型结果作为增强监测和进一步调查的优先排序工具，而非大规模干预分配的唯一依据。

研究存在若干局限性：数据为横截面设计，无法考虑时间效应或建立因果关系；空间效应在州级建模，可能掩盖州内地方政府区域的异质性；多重插补假设数据为随机缺失（MAR），若该假设不成立可能保留部分偏倚；热点分类依赖超越概率阈值的选取，具有一定主观性；计算复杂度较高，可能限制模型在更大数据集或时空模型中的应用。

总之，DBSLGM是一个可复现的、集成设计推断、贝叶斯分层建模、多重插补和空间效应的统一框架，适用于DHS、疟疾指标调查及其他国家级复杂调查数据，可为疟疾监测、资源分配、项目评估和决策制定提供重要的方法学支撑。