neighborhoods less than 1,000 m apa

neighborhoods less than 1,000 m apart, 1,000–1,999 m
apart, 2,000–2,999 m apart, and so forth.
To assess the spatial scale of variations, we estimated
a hierarchical geostatistical model (33, 34) with two sets
of neighborhood random effects, including the usual unstructured
effects uj of variance r2u
and an additional set
of spatially correlated random effects sj of variance r2s
(refer
to the Appendix) (32, 35, 36). Whereas uj takes independent
values in each neighborhood and therefore captures unstructured
neighborhood variations, sj adopts more similar values
for neighborhoods close to each other than for those further
apart, thereby reflecting spatially organized variations. We
computed the proportion of total neighborhood variance
attributable to the spatially structured component of variability
as r2s
=ðr2u
þ r2s
Þ (36). The parameter /, which quantifies
the rate of correlation decay with increasing distance
between neighborhoods, was used to assess the spatial scale
of variations in mental disorders: we computed the range of
spatial correlation (3//), defined as the distance beyond
which the correlation between neighborhoods is below 5
percent, that is, beyond which neighborhood risk levels
are no longer correlated (33, 34).
As detailed in the Appendix, we performed a simulation
to verify that the hierarchical geostatistical model was able
to disentangle spatially structured from unstructured neighborhood
variations. We disorganized the spatial structure of
the data without modifying the multilevel structure (spatial
connections between neighborhoods were modified, but the
same individuals were still grouped together within neighborhoods)
and examined the resulting changes in neighborhood
variance parameters. We found that the model was
able to distinguish between spatially structured and unstructured
neighborhood variations but that the proportion of
spatially structured variations r2s
=ðr2u
þ r2s
Þ needs to be
interpreted jointly with the spatial range of correlation 3//.
Multilevel and hierarchical geostatistical models were estimated
with Markov chain Monte Carlo simulation (refer to
the Appendix) (43). We used the deviance information criterion
to compare their goodness of fit (the smaller the deviance
information criterion, the better the fit of the model)
(44).We could not compare them with the geoadditive model
in this way because of differences in the estimation procedures.
For each modeling option, we first estimated an empty
model (without explanatory variables), then we introduced
the individual covariates and finally the contextual variable

ผลลัพธ์ (ไทย) 1:

ละแวกใกล้เคียงน้อยกว่า 1000 เมตรแยก m 1000 – 1,999อพาร์ท 2000 – 2,999 ม.อพาร์ท และ forth อื่น ๆการประเมินพื้นที่มาตราส่วนของรูปแบบ ที่เราประเมินรูปแบบ geostatistical ลำดับ (33, 34) มีสองชุดย่านผลสุ่ม รวมทั้งปกติไม่มีโครงสร้างuj ผลของ r2u ผลต่างและการตั้งค่าเพิ่มเติมของ sj spatially correlated สุ่มลักษณะพิเศษของผลต่าง r2s(อ้างอิงการภาคผนวก) (32, 35, 36) โดย uj เวลาอิสระค่าในแต่ละย่าน และจับไม่มีโครงสร้างรูปแบบใกล้เคียง sj adopts ราคาค่าคล้ายกันมากในละแวกใกล้เคียงใกล้กันมากกว่าสำหรับเหล่านั้นต่อไปจึงสะท้อน spatially แยก จัดรูปแบบ เราคำนวณสัดส่วนของผลต่างของพื้นที่ใกล้เคียงรวมรวมส่วนประกอบโครงสร้าง spatially ความแปรผันเป็น r2s= ðr2uþ r2sÞ (36) พารามิเตอร์ /, ที่ quantifiesอัตราการผุความสัมพันธ์กับการเพิ่มระยะทางระหว่างละแวกใกล้เคียง ใช้ในการประเมินระดับพื้นที่ของรูปแบบในโรคจิต: เราคำนวณช่วงของความสัมพันธ์ของพื้นที่ (3 / /), กำหนดเป็นระยะทางไกลกว่าซึ่งความสัมพันธ์ระหว่างละแวกใกล้เคียงนี้ 5ร้อยละ คือ เกินระดับความเสี่ยงที่ใกล้เคียงมี correlated ไม่ (33, 34)รายละเอียดในภาคผนวก เราทำการจำลองการตรวจสอบแบบจำลองแบบลำดับชั้น geostatistical ได้สยาย spatially โครงสร้างจากไม่มีโครงสร้างใกล้เคียงรูปแบบการ เราระสายโครงสร้างพื้นที่ของข้อมูลไม่ มีการปรับเปลี่ยนโครงสร้างหลายระดับ (ปริภูมิเชื่อมต่อระหว่างละแวกใกล้เคียงมีการปรับเปลี่ยน แต่บุคคลเดียวกันก็ยังคงถูกจัดกลุ่มไว้ภายในละแวกใกล้เคียง)และตรวจสอบการเปลี่ยนแปลงได้ในพื้นที่ใกล้เคียงพารามิเตอร์ต่าง เราพบว่า รูปแบบสามารถแยกแยะ spatially โครงสร้าง และไม่มีโครงสร้างรูปแบบใกล้เคียงแต่สัดส่วนของรูปแบบโครงสร้าง spatially r2s= ðr2uþ r2sÞจำเป็นต้องแปลร่วมกับการอนุรักษ์พื้นที่ของความสัมพันธ์ 3 / /รุ่น geostatistical หลายระดับ และลำดับชั้นได้ประเมินกับ Markov โซ่จำลอง Carlo มอน (อ้างอิงถึงภาคผนวก) (43) เราใช้เกณฑ์ข้อมูล devianceการเปรียบเทียบความกตัญญูความพอดี (ขนาดเล็กที่ devianceเกณฑ์ข้อมูล ดีกว่าพอดีของรูปแบบ)(44)เราจะไม่เปรียบเทียบกับรุ่น geoadditiveวิธีนี้เนื่องจากความแตกต่างในกระบวนการประเมินให้เลือกโมเดล เราประเมินครั้งแรกว่างรูปแบบ (ไม่ มีตัวแปรอธิบาย), แล้วเราแนะนำcovariates ละ และสุดท้ายตัวแปรตามบริบท

ผลลัพธ์ (ไทย) 2:

ละแวกใกล้เคียงที่น้อยกว่า 1,000 เมตรห่าง 1,000-1,999 เมตร
ห่าง 2,000-2,999 เมตรออกจากกันและอื่น ๆ .
เพื่อประเมินขนาดของการเปลี่ยนแปลงเชิงพื้นที่ที่เราประมาณการ
แบบ geostatistical ลำดับชั้น (33, 34) โดยมีสองชุด
ของผลกระทบสุ่มพื้นที่ใกล้เคียง รวมทั้งที่ไม่มีโครงสร้างปกติ
uj ผลกระทบความแปรปรวน r2u
และชุดเพิ่มเติม
ของความสัมพันธ์เชิงพื้นที่ผลกระทบ SJ สุ่มของ R2S แปรปรวน
(อ้างอิง
กับภาคผนวก) (32, 35, 36) ในขณะที่ใช้เวลา uj อิสระ
ค่าในแต่ละแถวและดังนั้นจึงจับที่ไม่มีโครงสร้าง
รูปแบบย่าน SJ adopts ค่าใกล้เคียงกันมากขึ้น
สำหรับละแวกใกล้เคียงที่อยู่ใกล้กันกว่าสำหรับผู้ที่เพิ่มเติม
นอกเหนือจึงสะท้อนให้เห็นถึงรูปแบบการจัดสันนิฐาน เรา
คำนวณสัดส่วนของความแปรปรวนพื้นที่ใกล้เคียงรวม
ส่วนที่เป็นองค์ประกอบโครงสร้างเชิงพื้นที่ของความแปรปรวน
เป็น R2S
= ðr2u
þ R2S
Þ (36) พารามิเตอร์ / ซึ่ง quantifies
อัตราการสลายตัวของความสัมพันธ์กับระยะทางที่เพิ่มขึ้น
ระหว่างละแวกใกล้เคียงที่ถูกนำมาใช้ในการประเมินอวกาศขนาด
ของการเปลี่ยนแปลงในความผิดปกติทางจิตเราคำนวณช่วงของ
ความสัมพันธ์เชิงพื้นที่ (3 //) หมายถึงระยะทางที่ไกลเกินกว่า
ที่ ความสัมพันธ์ระหว่างละแวกใกล้เคียงที่ต่ำกว่า 5
เปอร์เซ็นต์ซึ่งก็คือเกินกว่าที่ระดับความเสี่ยงใกล้เคียง
มีความสัมพันธ์ไม่ได้ (33, 34).
ในฐานะที่เป็นรายละเอียดในภาคผนวกที่เราดำเนินการจำลอง
เพื่อตรวจสอบว่ารุ่น geostatistical ลำดับชั้นก็สามารถที่
จะคลี่คลายโครงสร้างเชิงพื้นที่จาก พื้นที่ใกล้เคียงที่ไม่มีโครงสร้าง
รูปแบบ เราระเบียบโครงสร้างเชิงพื้นที่ของ
ข้อมูลโดยไม่ต้องแก้ไขโครงสร้างหลายระดับ (เชิงพื้นที่
เชื่อมต่อระหว่างย่านที่มีการแก้ไข แต่
บุคคลเดียวกันก็ยังคงรวมกลุ่มกันภายในละแวกใกล้เคียง)
และการตรวจสอบการเปลี่ยนแปลงที่เกิดขึ้นในพื้นที่ใกล้เคียง
พารามิเตอร์แปรปรวน เราพบว่ารูปแบบคือ
สามารถที่จะแยกแยะความแตกต่างระหว่างโครงสร้างเชิงพื้นที่และไม่มีโครงสร้าง
รูปแบบใกล้เคียง แต่ที่สัดส่วนของ
การเปลี่ยนแปลงโครงสร้างเชิงพื้นที่ R2S
= ðr2u
þ R2S
Þจะต้องมีการ
ตีความร่วมกับช่วงของความสัมพันธ์เชิงพื้นที่ 3 //.
หลายลำดับชั้นและรุ่น geostatistical อยู่ที่ประมาณ
กับมาร์คอฟเชนจำลอง Monte Carlo (โปรดดูที่
ภาคผนวก) (43) เราใช้เกณฑ์ข้อมูลอันซ์
เพื่อเปรียบเทียบความดีของพวกเขาพอดี (ขนาดเล็กอันซ์
เกณฑ์ข้อมูลที่ดีกว่าพอดีของรูปแบบ)
(44) เราไม่สามารถเปรียบเทียบกับรูปแบบ geoadditive
ในลักษณะนี้เพราะความแตกต่างในการประมาณ ขั้นตอน.
สำหรับตัวเลือกการสร้างแบบจำลองแต่ละครั้งแรกที่เราคาดว่าง
รุ่น (โดยไม่ต้องอธิบายตัวแปร) จากนั้นเราได้นำ
ตัวแปรของแต่ละบุคคลและในที่สุดก็ตัวแปรตามบริบท

ผลลัพธ์ (ไทย) 3:

ย่านน้อยกว่า 1000 เมตรห่างกัน 1000 – 1999 M
ห่างกัน 2000 – 2999 เมตรแยกและอื่น ๆ .
เพื่อประเมินขนาดพื้นที่ของการเปลี่ยนแปลงที่เราคาดการ geostatistical แบบลำดับชั้น ( 33 , 34 ) กับสองชุด
ผลสุ่มละแวกใกล้เคียง รวมทั้งปกติไม่มีผล UJ ของ
r2u ความแปรปรวนและการตั้งค่าเพิ่มเติมของความแตกต่างมี
สุ่มผล SJ ความ r2s ( อ้างอิง

ในภาคผนวก ) ( 32 , 35 , 36 ) ในขณะที่ UJ ใช้ค่าอิสระในแต่ละบ้านจึงจับ

ไม่มีรูปแบบบ้าน สจ. adopts คล้ายกันมากค่า
สำหรับย่านใกล้เคียงกับแต่ละอื่น ๆ กว่านั้นอีก
แยก จึงสะท้อนให้เห็นถึงรูปแบบการจัดเปลี่ยน . เรา

คำนวณสัดส่วนของความแปรปรวนทั้งหมดใกล้กับส่วนที่เป็นองค์ประกอบของความแปรปรวนเปลี่ยนไปเป็น r2s

= ð r2u

þ r2s Þ ( 36 ) พารามิเตอร์ / ที่ quantifies
อัตราการสลายตัว ความสัมพันธ์กับระยะทางเพิ่ม
ระหว่างย่านนำมาประเมินเชิงพื้นที่ของการเปลี่ยนแปลงในระดับ
ความผิดปกติทางจิตที่เราคำนวณช่วงของความสัมพันธ์เชิงพื้นที่ ( 3
/ / ) , กำหนดระยะห่างเกิน
ซึ่งความสัมพันธ์ระหว่างย่านต่ำกว่า 5
% นั่นคือ เกินกว่าที่ระดับความเสี่ยงใกล้เคียง
ไม่มีความสัมพันธ์ ( 33 , 34 ) .
ตามรายละเอียดในภาคผนวก เราได้ทำการจำลอง
เพื่อตรวจสอบว่ารูปแบบ geostatistical ลำดับชั้นสามารถเปลี่ยนโครงสร้างจากรูปแบบต่าง ๆเพื่อคลาย

แถวบ้านใหม่ เราสับสนโครงสร้างเชิงพื้นที่ของ
ข้อมูลโดยไม่ต้องปรับเปลี่ยนโครงสร้างหลายระดับ ( การเชื่อมต่อพื้นที่ระหว่างย่าน

ดัดแปลง แต่บุคคลเดียวกันยังจัดกลุ่มเข้าด้วยกันในย่าน )
และตรวจสอบผลในการเปลี่ยนแปลงค่าความแปรปรวนเพื่อนบ้าน

เราพบว่าแบบจำลอง
สามารถแยกแยะระหว่างความแตกต่างที่มีโครงสร้างและไม่มีโครงสร้าง
ชุมชนการเปลี่ยนแปลง แต่สัดส่วนที่เปลี่ยนไป r2s
=
โครงสร้างรูปแบบð r2u
þ r2s

Þต้องตีความร่วมกันกับช่วงพื้นที่ความสัมพันธ์ 3 / / .
หลายแบบและรุ่น geostatistical ประมาณ
กับห่วงโซ่มาร์คอฟมอนติ คาร์โล ( อ้างถึง
ภาคผนวก ) ( 43 ) เราใช้ข้อมูลเกณฑ์
เบี่ยงเบนเพื่อเปรียบเทียบความดีของพอดี ( ขนาดเบี่ยงเบน
ข้อมูลเกณฑ์ดีกว่าพอดีของรุ่น )
( 44 ) เราไม่สามารถเปรียบเทียบกับรุ่น geoadditive
ในลักษณะนี้เนื่องจากความแตกต่างในการประเมินกระบวนการ .
สำหรับแต่ละแบบตัวเลือกแรกที่เราคาดว่ารูปแบบว่างเปล่า
( ไม่ ตัวแปรอธิบาย ) แล้วเราแนะนำ
มีความรู้ และสุดท้าย ตัวแปรแต่ละบริบท