Bovo E., Girardi P., Stocco C., Baracco S., Rosano A., Monetti D., Rizzato S., Zamberlan S., Chinellato E., Rugge M.
XXII Riunione scientifica annuale AIRTUM
Venezia, 11-13 aprile 2018
Abstract
OBIETTIVI
Recentemente l’utilizzo di metodi approssimati quali INLA (Integrated Nested Laplace Approximation) sta avendo un ampio utilizzo nell'inferenza bayesiana specie in modelli spaziali di rischio come il modello di Besag-York-Molliè (BYM). INLA ha tempi di calcolo inferiori rispetto alle classiche simulazioni Monte Carlo basate sulle catene di Markov (MCMC), tuttavia produce differenze di stima non trascurabili (Carroll 2015; De Smedt 2015). Obiettivo dello studio è il confronto delle stime prodotte con INLA rispetto a MCMC.
MATERIALI E METODI
Vengono considerati tutti i casi di tumore maligno incidenti nel 2013 nell’area coperta dal Registro Tumori del Veneto (556 comuni, 96% della Regione) e due sedi tumorali specifiche: polmone negli uomini e collo dell’utero nelle donne. Sono stati stimati i Rapporti Standardizzati di Incidenza (SIR) comunali, usando come riferimento il pool del Registro e applicando il modello BYM. Le analisi sono state condotte con il software R. Sono state confrontate le stime calcolate con il pacchetto R-INLA e WinBUGS. Le differenze sono state analizzate variando la distribuzione a-priori nella componente spaziale del modello.
RISULTATI
INLA restituisce stime dei parametri e dei SIR comparabili a WinBUGS, ma risulta sensibile alla distribuzione della variabile a-priori. In presenza di distribuzioni a-priori non informative, si riduce la precisione del parametro sull’effetto di cluster spaziale di INLA, mentre WinBUGS risulta essere più robusto. Le performance tra i due metodi sono diverse a seconda del pattern di frequenza, con differenze più accentuate nella distribuzione dei SIR per il tumore del collo dell’utero, che è meno frequente del tumore del polmone.
CONCLUSIONI
INLA è un metodo veloce ed efficiente per la stima del rischio spaziale. Tuttavia, per evitare un sovra-lisciamento dei rischi e/o un’eccessiva imprecisione delle stime va posta particolare attenzione alla scelta del parametro relativo alle distribuzioni a-priori.