基于r语言的疾病制图中自适应核密度估计的阈值选择方法案例

本文主要是介绍基于r语言的疾病制图中自适应核密度估计的阈值选择方法案例，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

背景

诸如核密度估计（KDE）的平滑方法被用于控制用于计算每种疾病率的空间支持的群体基础。平滑程度由用户定义的参数（带宽或阈值）控制，该参数影响疾病图的分辨率和计算的速率的可靠性。

方法

内核，带宽的大小，是影响在KDE [在地图上的平滑的程度的关键参数 ]。带宽可以是固定的也可以是可变的（自适应的）。对于固定带宽方法，内核具有固定大小的半径，并且所有内核（圆圈）具有相同的半径。在健康研究中，固定带宽方法可能不合适，因为人口不是均匀分布在地理空间中。此外，如果圆圈落入低人口密度区域，可能会导致不稳定的比率。类似地，在自适应带宽方法中，内核半径增大或缩小以适应不同的种群大小。用于定义内核带宽的最小种群大小，以及因此地图上的平滑程度，是用户定义的参数。我们将其称为阈值（h）。

图显示了使用疾病控制和预防中心（CDC），国家卫生统计中心（NCHS）获得的65岁及以上男性心脏病死亡率的空间分布。我们使用具有不同阈值的自适应核密度估计方法产生该映射。

 
#自适应平滑bivariate. ( ,h0=1.5,hp=1,adapt=TRUE,davies.baddeley=0.025)## 带宽选择#####全局（用于自适应）带宽选择##
# ~200 secs next line; 使用“并行化”来加速
system.time(  <- BOOT. (pbc,type=" ")) # 自适应引导的最小用法
# ~80 secs   设置自定义h限制； 增加参考带宽plot(hada);abline(v=hada[which.min(hada[,2]),1],col=2)