本论文创新点 | 第5-6页 |
摘要 | 第6-8页 |
Abstract | 第8-9页 |
目录 | 第10-12页 |
图索引 | 第12-13页 |
表索引 | 第13-14页 |
1 绪论 | 第14-21页 |
1.1 研究背景和意义 | 第14-15页 |
1.2 研究现状与存在的问题 | 第15-17页 |
1.2.1 研究现状 | 第15-17页 |
1.2.2 存在的问题 | 第17页 |
1.3 本文研究目标和内容 | 第17-19页 |
1.3.1 研究目标 | 第17-18页 |
1.3.2 研究内容 | 第18-19页 |
1.4 论文组织安排 | 第19-21页 |
2 空间分析与小地域疾病制图 | 第21-40页 |
2.1 空间分析概述 | 第21-26页 |
2.1.1 空间分析定义 | 第21-22页 |
2.1.2 地理数据的空间效应 | 第22-25页 |
2.1.3 探索性空间数据分析 | 第25页 |
2.1.4 空间数据分析在公共卫生领域的应用 | 第25-26页 |
2.2 小地域疾病制图 | 第26-29页 |
2.2.1 定义 | 第26-27页 |
2.2.2 数据类型 | 第27页 |
2.2.3 常用描述指标 | 第27-28页 |
2.2.4 简单统计制图及存在的问题 | 第28页 |
2.2.5 基于空间模型的疾病制图 | 第28-29页 |
2.3 疾病聚类分析 | 第29-37页 |
2.3.1 全局聚类分析 | 第30-35页 |
2.3.2 局部聚类分析 | 第35-37页 |
2.4 常用分析工具 | 第37-38页 |
2.4.1 通用GIS平台 | 第37-38页 |
2.4.2 空间分析软件包 | 第38页 |
2.5 本章小结 | 第38-40页 |
3 空间模型方法 | 第40-55页 |
3.1 核密度估计 | 第40-44页 |
3.1.1 基于空间依赖性的密度估计 | 第40-41页 |
3.1.2 基本原理 | 第41-43页 |
3.1.3 模型实现 | 第43-44页 |
3.2 层次贝叶斯模型 | 第44-51页 |
3.2.1 疾病相对风险 | 第44-45页 |
3.2.2 顾及空间关系的贝叶斯模型 | 第45-46页 |
3.2.3 基本原理 | 第46-48页 |
3.2.4 不同的空间邻域类型 | 第48-49页 |
3.2.5 模型实现 | 第49页 |
3.2.6 模型性能评估 | 第49-51页 |
3.3 贝叶斯时空模型 | 第51-54页 |
3.3.1 问题提出 | 第51-52页 |
3.3.2 基本原理 | 第52-54页 |
3.3.3 模型实现 | 第54页 |
3.4 本章小结 | 第54-55页 |
4 基于核密度估计的深圳市高血压患者空间分布探测 | 第55-63页 |
4.1 研究背景 | 第55页 |
4.2 研究区概况 | 第55-56页 |
4.3 数据来源 | 第56-57页 |
4.4 病例地址空间化 | 第57-58页 |
4.5 结果与评价 | 第58-62页 |
4.6 本章小结 | 第62-63页 |
5 基于层次贝叶斯模型的深圳市高血压相对风险空间变化研究 | 第63-76页 |
5.1 数据来源与数据预处理 | 第63页 |
5.2 高血压患者空间分布探测 | 第63-66页 |
5.2.1 病例与住院率的空间变化 | 第63-64页 |
5.2.2 空间聚类分析 | 第64-66页 |
5.3 相对风险空间变化分析 | 第66-67页 |
5.4 结果与讨论 | 第67-74页 |
5.5 本章小结 | 第74-76页 |
6 深圳市2010年-2012年肝癌患者时空变化研究 | 第76-95页 |
6.1 研究背景 | 第76-77页 |
6.2 数据来源和数据预处理 | 第77-78页 |
6.3 肝癌患者时空分布格局 | 第78-81页 |
6.4 时空聚类探测 | 第81-85页 |
6.4.1 时空扫描统计 | 第81-82页 |
6.4.2 基本原理 | 第82-84页 |
6.4.3 时空聚类结果 | 第84-85页 |
6.5 基于贝叶斯时空模型的肝癌相对风险时空变化分析 | 第85-93页 |
6.6 本章小结 | 第93-95页 |
7 总结与展望 | 第95-99页 |
7.1 论文总结 | 第95-96页 |
7.2 主要贡献和创新点 | 第96-97页 |
7.3 研究展望 | 第97-99页 |
参考文献 | 第99-114页 |
攻读博士学位期间主要科研成果 | 第114-115页 |
致谢 | 第115页 |