如何在R2BayesX模型中绘制疾病空间效应映射图？

实现步骤与代码示例 #

要生成你描述的映射图，需先通过贝叶斯空间模型得到区域空间效应的后验分布，再根据95%可信区间是否包含0判断显著性，最后用空间可视化工具绘图。以下是完整可复用的代码流程：

1. 依赖包加载与数据准备 #

确保你有带空间多边形的sf格式地图数据，以及包含响应变量、协变量的数据集，两者通过region_id关联：

library(INLA)
library(sf)
library(ggplot2)
library(dplyr)

# 合并空间数据与模型数据（替换成你的实际数据对象）
merged_data <- your_shapefile %>% 
  left_join(your_model_data, by = "region_id")

2. 拟合贝叶斯空间模型 #

使用INLA包（疾病映射领域常用工具）拟合包含各类协变量的模型，其中空间效应采用BYM模型：

# 构建空间邻接矩阵
adj_matrix <- inla.read.graph(st_neighbors(merged_data))

# 拟合模型（根据你的响应变量类型调整family参数）
model <- inla(
  y ~ x1 + x2 +  # 分类协变量
    f(x3, model = "spline") + f(x4, model = "spline") +  # 非线性度量协变量
    f(region_id, model = "bym", graph = adj_matrix),  # 空间效应
  data = merged_data,
  family = "poisson"  # 可选：gaussian、binomial等
)

3. 提取后验结果并分组 #

从模型输出中提取空间效应的后验均值、95%可信区间，然后按显著性和效应方向分组：

# 提取空间效应的后验统计量
spatial_effects <- model$summary.random$region_id %>% 
  select(region_id = ID, mean = mean, lower = `0.025quant`, upper = `0.975quant`)

# 合并回空间数据并定义分组
merged_data <- merged_data %>% 
  left_join(spatial_effects, by = "region_id") %>% 
  mutate(
    effect_category = case_when(
      lower > 0 ~ "正效应（显著）",
      upper < 0 ~ "负效应（显著）",
      TRUE ~ "效应不显著"
    )
  )

4. 绘制空间映射图 #

用ggplot2+sf绘制符合要求的彩色映射图：

# 定义颜色方案
color_map <- c(
  "正效应（显著）" = "red",
  "负效应（显著）" = "green",
  "效应不显著" = "gray"
)

# 生成图形
ggplot() +
  geom_sf(data = merged_data, aes(fill = effect_category), color = "white", size = 0.1) +
  scale_fill_manual(values = color_map) +
  labs(title = "空间效应95%后验可信区间映射", fill = "效应类型") +
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5), legend.position = "right")

关键注意事项 #

• 模型族选择：如果是疾病计数数据用poisson或nbinomial；连续型响应变量用gaussian。
• 非线性效应：除样条模型外，也可使用rw2（二阶随机游走）等，根据数据特征调整。
• 空间模型：BYM模型是疾病映射的标准选择，若需简化可改用car模型。
• 数据匹配：务必保证空间数据与模型数据的region_id完全一致，避免数据丢失。

内容的提问来源于stack exchange，提问作者Sofonias Derso