Spatial Clustering of Disease Events Using Bayesian Methods
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989592%3A15310%2F14%3A33152444" target="_blank" >RIV/61989592:15310/14:33152444 - isvavai.cz</a>
Výsledek na webu
<a href="http://ceur-ws.org/Vol-1139/paper3.pdf" target="_blank" >http://ceur-ws.org/Vol-1139/paper3.pdf</a>
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Spatial Clustering of Disease Events Using Bayesian Methods
Popis výsledku v původním jazyce
One of main aims of the spatial analysis of health and medical datasets is to provide additional information to the specialized medical research. These analyses can be used for disease mapping; searching for places with a higher intensity and probabilityof the disease event; or the influence assessment of selected natural or artificial phenomena. Suitably selected methods allow a proper analysis of these data and identification of irregularities and deviations of the phenomena in the area of interest.The structure of medical data usually needs to be standardized (over age structure of the population) before the comparison of different regions. Bayesian statistics derives the posterior probability as a consequence of a prior probability and a probability model for the data observed. Geosciences and geomedicine usually use the Bayesian theory for smoothing of data - to help depict the real spatial pattern and its changeability. The Bayesian principles, together with the spatial neighbo
Název v anglickém jazyce
Spatial Clustering of Disease Events Using Bayesian Methods
Popis výsledku anglicky
One of main aims of the spatial analysis of health and medical datasets is to provide additional information to the specialized medical research. These analyses can be used for disease mapping; searching for places with a higher intensity and probabilityof the disease event; or the influence assessment of selected natural or artificial phenomena. Suitably selected methods allow a proper analysis of these data and identification of irregularities and deviations of the phenomena in the area of interest.The structure of medical data usually needs to be standardized (over age structure of the population) before the comparison of different regions. Bayesian statistics derives the posterior probability as a consequence of a prior probability and a probability model for the data observed. Geosciences and geomedicine usually use the Bayesian theory for smoothing of data - to help depict the real spatial pattern and its changeability. The Bayesian principles, together with the spatial neighbo
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
DE - Zemský magnetismus, geodesie, geografie
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/EE2.3.20.0170" target="_blank" >EE2.3.20.0170: Budování výzkumně-vzdělávacího týmu v oblasti modelování přírodních jevů a využití geoinformačních systémů, s vazbou na zapojení do mezinárodních sítí a programů.</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2014
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of the Dateso 2014 Annual International Workshop on DAtabases, TExts, Specifications and Objects
ISBN
978-80-01-05482-6
ISSN
1613-0073
e-ISSN
—
Počet stran výsledku
10
Strana od-do
25-34
Název nakladatele
CEUR-WS
Místo vydání
Praha
Místo konání akce
Roudnice nad Labem
Datum konání akce
16. 4. 2014
Typ akce podle státní příslušnosti
EUR - Evropská akce
Kód UT WoS článku
—