A Systematic Review of Spatio-Temporal Statistical Models: Theory, Structure, and Applications

Probleemstelling
Spatio-temporele data, gekenmerkt door attributen van zowel tijd als ruimte, zijn alomtegenwoordig in diverse onderzoeksgebieden, waaronder epidemiologie, ecologie, volksgezondheid, economie en criminologie. Hoewel statistische modellen voor het analyseren van deze relaties breed worden gebruikt, lijden bestaande literatuurreviews aan aanzienlijke fragmentatie. Huidige overzichten richten zich doorgaans ofwel op specifieke toepassingsdomeinen (bijv. ziektemodellering) of op specifieke modelklassen (bijv. puntprocessen), waardoor een uitgebreide, interdisciplinaire synthese ontbreekt. Bov ens bestaat er een discrepantie tussen de theoretische modelstructuren beschreven in fundamentele tekstboeken en de werkelijke structuren die in de recente praktijk worden toegepast. Er is een opvallend gebrek aan actuele systematische overzichten die perspectieven integreren over verschillende modeltypen en toepassingsgebieden, terwijl ze tegelijkertijd een basisclassificatieschema bieden voor hedendaagse spatio-temporele modelstructuren.

Methodologie
Om deze hiaten aan te pakken, hebben de auteurs een systematische literatuurreview uitgevoerd conform de richtlijnen van de Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA).

• Databronnen: De review doorzocht de databases Scopus en Web of Science naar publicaties tussen 2021 en 2025.
• Insluitingscriteria: De inclusiecriteria waren beperkt tot door vakgenoten beoordeelde artikelen in tijdschriften en conferentiepapers in het Engels. De review richtte zich op toegepaste spatio-temporele statistische modellering en sloot puur theoretische werken, ruimtelijke- of temporele-alleen benaderingen, en publicaties in tijdschriften of conferenties met een ranking lager dan Q1 (Scimago) of A (CORE) uit.
• Selectieproces: Een initiële zoekopdracht leverde 678 records op. Na het verwijderen van duplicaten en het screenen van titels, abstracts en volledige teksten aan de hand van kwaliteitsbeoordelingscriteria (QA), werden 83 publicaties opgenomen. De QA-criteria zorgden ervoor dat papers expliciet een statistisch spatio-temporeel model definieerden, de modelstructuur rigoureus beschreven, het toepassingsdomein specificeerden en passende modelbeoordeling en interpretatie bevatten.
• Classificatieschema: De auteurs ontwikkelden een meerstaps, kwalitatief classificatieschema. Zij voerden een handmatige review uit van de geïncludeerde bronnen, extraheerden modelstructuren en categoriseerden deze op basis van kenmerken zoals statistisch modeltype, ruimtelijke structuur, temporele structuur en spatio-temporele structuur. Dit schema werd iteratief ontwikkeld om theoretische consistentie en praktische toepasbaarheid te waarborgen, en gevalideerd tegen gevestigde taxonomieën uit tekstboeken (bijv. Cressie & Wikle, 2011).

Belangrijkste bijdragen en resultaten
De primaire bijdrage van dit werk is een gestructureerd en vergelijkend overzicht van spatio-temporele modelstructuren en hun toepassingen over disciplines heen. De review identificeert 83 relevante publicaties en stelt een gedetailleerd classificatieschema voor dat wordt geïllustreerd via een hiërarchisch kader.

• Modelarchitectuur: De review maakt onderscheid tussen Flat models, die het dataproses direct modelleren, en Hierarchical models, die de gezamenlijke distributie factoriseren in een datamodel en een latent procesmodel. Hiërarchische modellen bleken de meest gebruikte architectuur, met name voor het afhandelen van complexe afhankelijkheden en meetfouten.
• Modelkenmerken:
  • Additieve structuren: De meeste modellen bevatten additieve componenten om rekening te houden met spatio-temporele afhankelijkheden. Deze worden doorgaans gedecomposeerd in ruimtelijke ($u_s$), temporele ($v_t$) en spatio-temporele ($\gamma_{t,s}$) effecten. Veelvoorkomende specificaties omvatten Conditional Auto-Regressive (CAR) modellen, Gaussian Processes (GP), Random Walks (RW) en smoothing functies (splines).
  • Lag-structuren: De review identificeert het gebruik van ruimtelijke, temporele en spatio-temporele lag-structuren, vaak geïmplementeerd via gewichtsmatrices (bijv. binaire buurt, K-dichtstbijzijnde buren, inverse afstand) om afhankelijkheden in fouttermen, covariaten of doelvariabelen te modelleren.
  • Puntprocessen: Een subset van de literatuur maakt gebruik van spatio-temporele puntprocessen, gekenmerkt door intensiteitsfuncties $\lambda(t, s)$ om gebeurtenisratio's in de tijd-ruimte domeinen te beschrijven.
  • Andere strategieën: De review merkt het gebruik op van state-space modellen, stochastische compartimentmodellen (veelvoorkomend in de epidemiologie) en Geographically and Temporally Weighted Regression (GTWR).
• Toepassingsdomeinen: De modellen worden toegepast binnen de epidemiologie, ecologie, volksgezondheid, economie en criminologie. Hoewel taken variëren per domein (bijv. het modelleren van ziekteverspreiding versus het beoordelen van effecten van luchtverontreiniging), delen veel modellen structurele gelijkenissen.
• Observaties over de praktijk:
  • Reproduceerbaarheid: De auteurs observeren dat reproduceerbaarheid beperkt blijft, waarbij de beschikbaarheid van code vaak beperkt is.
  • Disciplinaire concentratie: Onderzoeksinspanningen zijn geconcentreerd in enkele specifieke disciplines, ondanks de bredere relevantie van spatio-temporele data.
  • Modelvoorkeuren: Voorkeursmodelstructuren verschillen per vakgebied; zo zijn hiërarchische modellen dominant en zijn additieve componenten de standaard voor het vastleggen van afhankelijkheden.

Betekenis
Het artikel stelt dat de review inspiratie biedt voor het vergelijken van modelstructuren op een interdisciplinaire wijze. Door de kloof tussen theoretische classificaties en praktische toepassingen te overbruggen, beoogt het werk het bewustzijn van beschikbare technieken en uitdagingen over verschillende domeinen heen te vergroten. De auteurs benadrukken dat hun synthese een basisclassificatieschema biedt voor gebruikte spatio-temporele modelstructuren, wat zorgt voor grotere transparantie, toegankelijkheid en grensoverschrijdende kennisoverdracht. Zij benadrukken dat dit werk overduidelijk nodig is, gezien het wijdverbreide gebruik van spatio-temporele methoden en het gebrek aan recente systematische overzichten die modeltypen met toepassingscontexten integreren. De review stelt geen nieuwe experimentele modellen voor, maar synthetiseert bestaande praktijken om toekomstig onderzoek te begeleiden en de methodologische rigor in het veld te verbeteren.