Original to our approach is an emph

Original to our approach is an emphasis on the public
health relevance of determining, beyond the magnitude of
spatial effects, the spatial scale on which these effects operate—
both when describing the spatial distribution of mental
disorders and when investigating the impact of contextual
characteristics. For example, the existence of clusters of
increased prevalence that extend beyond administrative
neighborhoods may indicate that public health interventions
should be coordinated on a larger scale than that of the
neighborhood.
To describe the spatial distribution of disorders, we did
not use cluster recognition techniques (16, 17) but instead
used regression approaches to identify individual and contextual
characteristics contributing to clustering. We compared
three modeling approaches— geoadditive, multilevel,
and hierarchical geostatistical—all of which build upon different
notions of space for investigating the spatial distribution
of mental disorders.
Regression models that rely on a space fragmented into
administrative neighborhoods are affected by the modifiable
areal unit problem (18–20): their results depend on the particular
size and shape of the administrative neighborhoods
(21–23). To obtain precise cartographic information on
mental disorders independent of neighborhood boundaries,
we used a geoadditive model that captures spatial variations
with a two-dimensional (longitude/latitude) smooth term
(24, 25). Whereas spatial random effect approaches are often
computationally unable to process the spatial coordinates
for individuals, geoadditive models enabled us to
use this accurate locational information to produce
smoothed maps of prevalence (26, 27). However, this approach
does not provide parametric information that would
enable us to make inferences about the magnitude and scale
of spatial variations. For example, it does not permit assessment
of whether a similar prevalence noted in surrounding
neighborhoods corresponds to real patterns of variation or
simply results from the smoothing of data.
To make these inferences, we first used the multilevel
model, considered the ‘‘gold standard’’ for contextual analysis.
Taking into account the neighborhood affiliation of

ผลลัพธ์ (ไทย) 2:

ต้นฉบับให้วิธีการของเราคือการให้ความสำคัญกับประชาชน
สุขภาพความเกี่ยวข้องของการกำหนดเกินกว่าขนาดของ
ผลกระทบเชิงพื้นที่อวกาศขนาดที่ผลกระทบเหล่านี้ Operate-
ทั้งเมื่ออธิบายการกระจายของจิต
ผิดปกติและเมื่อตรวจสอบผลกระทบของบริบท
ลักษณะ ยกตัวอย่างเช่นการดำรงอยู่ของกลุ่มของ
ความชุกเพิ่มขึ้นที่ขยายเกินบริหาร
ละแวกใกล้เคียงที่อาจบ่งชี้ว่าการแทรกแซงสาธารณสุข
ควรมีการประสานงานในระดับขนาดใหญ่กว่า
พื้นที่ใกล้เคียง.
เพื่ออธิบายการกระจายความผิดปกติของเราไม่
ได้ใช้เทคนิคที่ได้รับการยอมรับคลัสเตอร์ ( 16, 17) แต่แทนที่จะ
ใช้วิธีการถดถอยในการระบุตัวบุคคลและบริบท
ลักษณะที่เอื้อต่อการจัดกลุ่ม เราเมื่อเทียบกับ
การสร้างแบบจำลองสาม approaches- geoadditive, หลายระดับ
และลำดับชั้น geostatistical-ทั้งหมดที่สร้างความแตกต่าง
ความคิดของพื้นที่สำหรับการตรวจสอบการกระจาย
ของความผิดปกติทางจิต.
รูปแบบการถดถอยที่พึ่งพาการแยกส่วนเป็นพื้นที่
ละแวกใกล้เคียงที่ได้รับผลกระทบการบริหารโดยการแก้ไข
หน่วยขนหัวลุก ปัญหา (18-20): ผลลัพธ์ที่ได้ขึ้นอยู่กับพวกเขาโดยเฉพาะอย่างยิ่ง
ขนาดและรูปร่างของย่านการบริหาร
(21-23) เพื่อให้ได้ข้อมูลที่แม่นยำในการทำแผนที่
ความผิดปกติทางจิตเป็นอิสระจากขอบเขตของพื้นที่ใกล้เคียง
ที่เราใช้รูปแบบ geoadditive ที่จับการเปลี่ยนแปลงเชิงพื้นที่
ที่มีสองมิติ (เส้นแวง / ละติจูด) ระยะเรียบ
(24, 25) ในขณะที่วิธีการสุ่มผลกระทบเชิงพื้นที่มักจะมี
คอมพิวเตอร์ไม่สามารถดำเนินการเชิงพื้นที่พิกัด
สำหรับบุคคลรุ่น geoadditive ช่วยให้เราสามารถ
ใช้นี้ข้อมูลที่ตั้งที่ถูกต้องในการผลิต
แผนที่เรียบความชุก (26, 27) แต่วิธีนี้
ไม่ได้ให้ข้อมูลพารามิเตอร์ที่จะ
ช่วยให้เราสามารถให้ข้อสรุปเกี่ยวกับขนาดและขนาด
ของการเปลี่ยนแปลงเชิงพื้นที่ ยกตัวอย่างเช่นมันไม่อนุญาตให้มีการประเมิน
ว่าความชุกที่คล้ายกันที่ระบุไว้ในรอบ
ละแวกใกล้เคียงที่สอดคล้องกับรูปแบบที่แท้จริงของการเปลี่ยนแปลงหรือ
เพียงแค่เป็นผลมาจากการปรับให้เรียบของข้อมูล.
เพื่อให้การหาข้อสรุปเหล่านี้เราครั้งแรกที่ใช้หลาย
รูปแบบถือว่าเป็น '' มาตรฐานทองคำ '' สำหรับการวิเคราะห์บริบท.
คำนึงถึงความร่วมมือย่าน

ผลลัพธ์ (ไทย) 3:

ต้นฉบับแนวทางของเราคือเน้นความเกี่ยวข้องของรัฐ
สุขภาพกำหนด นอกเหนือจากขนาดของผลเชิงพื้นที่ , พื้นที่ขนาดซึ่งสิ่งเหล่านี้ผลการใช้งาน -
ทั้งเมื่ออธิบายการกระจายของจิต
disorders และเมื่อสอบสวนผลกระทบของบริบท
ลักษณะ ตัวอย่างเช่น การมีอยู่ของกลุ่ม
ความชุกของโรคเพิ่มขึ้นที่ขยายเกินการบริหารสาธารณสุข
ย่านอาจระบุว่า การแทรกแซง
ควรประสานงานในระดับขนาดใหญ่กว่าของ

แถวๆ บ้าน เพื่ออธิบายการกระจายเชิงพื้นที่ของความผิดปกติ เราก็ไม่ใช้เทคนิคการรู้จำกลุ่ม
( 16 , 17 ) แต่ใช้วิธีการระบุการแทน

แต่ละบุคคลและบริบทลักษณะการแบ่งกลุ่มข้อมูล เราเทียบ
3 การสร้างแบบจำลอง - geoadditive , หลาย , และ geostatistical
ลำดับชั้นทั้งหมดซึ่งสร้างเมื่อความคิดแตกต่างกัน
ของพื้นที่เพื่อตรวจสอบการกระจายเชิงพื้นที่ของความผิดปกติทางจิต
.
ถดถอยแบบจำลองที่อาศัยบนพื้นที่กระจัดกระจายเข้าไปในย่านที่ได้รับผลกระทบจากการบริหาร

แก้ไขได้ในขณะที่ปัญหาหน่วย ( 18 – 20 ) : ผลลัพธ์ของพวกเขาขึ้นอยู่กับขนาดและรูปร่างของย่านโดยเฉพาะ

( 21 – 23 การบริหาร ) เพื่อให้ได้ข้อมูลที่แม่นยำเกี่ยวกับคาโทะกแรฟ
จิต disorders อิสระย่านขอบเขต
เราใช้ geoadditive รุ่นที่จับ
รูปแบบเชิงพื้นที่กับสองมิติ ( ตำแหน่ง ลองติจูด ละติจูด )
ระยะเรียบ ( 24 , 25 )ในขณะที่ผลกระทบแบบสุ่มพื้นที่แนวมัก
computationally ไม่สามารถทำการพิกัดอวกาศ
สำหรับบุคคลทั่วไป รุ่น geoadditive การใช้งานเรา

ใช้ข้อมูลที่ตั้งถูกต้องผลิต
เรียบแผนที่ความชุก ( 26 , 27 ) อย่างไรก็ตาม วิธีการนี้
ไม่ได้ให้ข้อมูลตัวแปรที่ช่วยให้เราสามารถให้ข้อสรุปเกี่ยวกับ

ขนาดและมาตราส่วนรูปแบบเชิงพื้นที่ ตัวอย่างเช่น มันไม่อนุญาตให้มีการประเมิน
ว่าคล้ายกันความชุกการบันทึกไว้ในรอบ
ย่านสอดคล้องกับรูปแบบจริงของการเปลี่ยนแปลงหรือ
เพียงแค่ผลเรียบของข้อมูล .
ให้ใช้เหล่านี้ เราใช้หลายรูปแบบ
ถือว่าเป็น ' มาตรฐาน ' ' 'gold บริบทการวิเคราะห์ .
เอาเข้าบัญชี ความร่วมมือของ
ใกล้กับ