Spatially continuous modelling of aggregated outcome data

Titel: Ruimtelijk continue modellering van geaggregeerde uitkomstdata

1. Het Probleem: Ruimtelijke Misalignement

Het artikel adresseert het veelvoorkomende probleem van ruimtelijke misalignement in de ruimtelijke epidemiologie en statistiek. Dit treedt op wanneer er een mismatch is tussen de ruimtelijke resolutie van de responsvariabele (uitkomst) en de covariaten (voorspellers):

• Responsdata: Vaak geaggregeerd over administratieve eenheden (blokken, zoals gemeenten of waterschappen), bijvoorbeeld als aantallen gevallen of gemiddelde concentraties.
• Covariaten: Vaak beschikbaar op een fijnere, continue resolutie, bijvoorbeeld als rasterbeelden (pixels) of op kleinere administratieve eenheden.

Bestaande methoden om dit op te lossen hebben beperkingen:

1. Centroid-benadering: Het toewijzen van de respons aan het zwaartepunt van het blok en het middelen van covariaten. Dit kan leiden tot aggregatiebias, vooral bij niet-lineaire modellen.
2. Markov Random Field (MRF): Het aggregeren van covariaten naar blokniveau en het modelleren van ruimtelijke correlatie als een discreet veld. Dit leidt tot het Modifiable Areal Unit Problem (MAUP), waarbij de resultaten sterk afhankelijk zijn van hoe de blokken zijn gedefinieerd, en maakt voorspellingen op een andere schaal dan de oorspronkelijke blokken moeilijk of onmogelijk.

2. Methodologie: Blok-aggregatie met een Latent Continue Proces

De auteurs stellen een blok-aggregatiebenadering voor die uitgaat van het principe dat natuurlijke processen inherent ruimtelijk continu zijn, ongeacht de schaal van de waarneming.

Kerncomponenten van het model:

• Latent Proces ($S$): Een ruimtelijk continu Gaussisch proces op fijne schaal (raster), gedefinieerd als:
  $$S(\mathbf{x}) = \beta^T \mathbf{z}(\mathbf{x}) + R(\mathbf{x})$$
  Waarbij $\mathbf{z}$ covariaten zijn, $\beta$ vaste effecten, en $R$ een ruimtelijk gecorreleerd toevalseffect (bijv. een Matérn-veld).
• Sampling Model: De geobserveerde respons $Y_i$ voor een blok $B_i$ wordt gemodelleerd als een integratie van het proces over dat blok, gekoppeld via een linkfunctie.
  • Voor Gaussische data (lineair): Het blokgemiddelde is het gemiddelde van de fijne schaal waarden.
  • Voor Poisson data (niet-lineair, log-lineair): Het blokgemiddelde is de exponentiële integratie van het proces over het blok. Dit voorkomt aggregatiebias die optreedt bij het simpelweg middelen van de covariaten vooraf.
• Inferentie: Het model wordt gefit binnen een Bayesiaans raamwerk met behulp van Linearized Integrated Nested Laplace Approximation (INLA). Omdat de linkfunctie niet-lineair is (bij Poisson), wordt het model iteratief lineariseerd rond een schatting van het latent proces om INLA toepasbaar te maken.

3. Belangrijkste Bijdragen

• Methodologische Innovatie: Een uniek raamwerk dat covariaten op fijne schaal en geaggregeerde responsdata combineert zonder voorafgaande aggregatie van covariaten, waardoor de schaalafhankelijkheid van de resultaten wordt doorbroken.
• Ruimtelijke Disaggregatie: Het vermogen om niet alleen voorspellingen te doen op het niveau van de geobserveerde blokken, maar ook op elke gewenste ruimtelijke schaal (bijv. van waterschappen naar gemeentegrenzen, of van gemeenten naar buurtniveaus).
• Vergelijkende Evaluatie: Een uitgebreide simulatiestudie en twee real-world toepassingen die de methode vergelijken met de industriestandaarden (Centroid-methode en MRF).

4. Resultaten

Simulatiestudie:

• Gaussisch model: De blok-aggregatiemethode presteerde vergelijkbaar met de centroid-methode voor blokvoorspellingen, maar was superieur aan de MRF-methode wanneer de ruimtelijke correlatie kleiner was dan de blokgrootte.
• Poisson model: De blok-aggregatiemethode overtrof beide comparator-methoden aanzienlijk, vooral wat betreft de voorspelling op fijne schaal (disaggregatie) en het vermijden van aggregatiebias in de schatting van vaste effecten. De MRF- en centroid-methoden gaven hier vaak lage betrouwbaarheidsintervallen (coverage) en vertekende schattingen.

Toepassingen:

1. Afvalwater-epidemiologie (SARS-CoV-2):
   • Doel: Voorspelling van virusconcentraties in afvalwater voor administratieve gebieden (LTLA) op basis van metingen in afvalwaterzuiveringsinstallaties (STW), met bevolkingsdichtheid als covariaat.
   • Resultaat: De blok-aggregatie- en centroid-methoden gaven zeer vergelijkbare resultaten voor de voorspellingen op LTLA-niveau. De MRF-methode gaf echter sterk afwijkende en meer variabele resultaten omdat de grafische structuur van STW's niet direct vertaalbaar is naar LTLA-grenzen.
2. Cardiovasculaire ziekenhuisopnames:
   • Doel: Disaggregatie van ziekenhuisopnames van LTLA-niveau naar LSOA-niveau (kleinere administratieve eenheden) met covariaten zoals armoede (IMD) en ouderdom.
   • Resultaat: Alle methoden presteerden goed op LTLA-niveau. De grote meerwaarde van de blok-aggregatiemethode was het genereren van betrouwbare voorspellingen en onzekerheidsmaten op het LSOA-niveau, wat met de MRF-methode niet direct mogelijk was zonder extra aannames.

5. Betekenis en Conclusie

De paper demonstreert dat het modelleren van ruimtelijke data vanuit een continu perspectief superieur is aan traditionele discrete benaderingen wanneer data op verschillende schalen beschikbaar zijn.

• Flexibiliteit: De methode maakt het mogelijk om voorspellingen te doen op elke gewenste schaal, ongeacht hoe de responsdata zijn verzameld.
• Betrouwbaarheid: Het vermijdt aggregatiebias en levert robuuste inferenties, zelfs wanneer de schaal van de covariaten en de respons niet overeenkomen.
• Praktische Toepassing: De aanpak is computatie-efficiënt (via INLA) en geschikt voor real-time toepassing in gezondheidsbewakingssystemen, zoals het monitoren van ziekteuitbraken via afvalwater.

Kortom, deze studie biedt een principieel raamwerk voor het omgaan met ruimtelijke misalignement, waardoor onderzoekers covariaat-responsrelaties op een fijnere schaal kunnen begrijpen dan ooit tevoren mogelijk was met bestaande methoden.