Métodos de estadística espacial para evaluar la influencia de factores medioambientales sobre la incidencia y mortalidad por cáncer

Los objetivos de la tesis son: 1.- Estudiar la relación entre la incidencia y mortalidad por cáncer y los factores medioambientales, en particular la contaminación atmosférica, controlando por factores socioeconómicos. 2.- Utilizar aquellos métodos de estadística espacial apropiados para cada tipo de diseño. 3.- Distinguir en los modelos las diferentes fuentes de extra-variabilidad espacial. 4.- Controlar el problema de exceso de ceros inherente a alguna de las neoplasias de interés medioambientales. Conclusiones: - Tanto la incidencia como la mortalidad de las neoplasias, presentaron dos fuentes de extravariación. La extravariaicón espacial, por la que unidades vecinas tienden a presentar razones de incidencia/mortalidad similares, y la heterogeneidad no espacial. En general la extravariabilidad espacial ha resultado ser mucho mayor que la no espacial. - Para suavizar las RIE/RME correspondientes a variables con un porcentaje de ceros superior al40-50% debe utilizarse un modelo que capture este comportamiento. - El mejor modelo en términos de ajuste para recoger el exceso de ceros en las variables de interés ha resultado ser el modelo mixto de riesgo relativo. - Las RIE/RME suavizadas presentan un patrón geográfico claro sólo en algunas neoplasias de interés medioambiental. - Parte de la variabilidad remanente en las RIE/RME suavizadas pudo ser explicada mediante la introducción de variables explicativas, en particular la contaminación atmosférica y variables socioeconómicas. -Como los contaminantes atmosféricos fueron observados en un diseño geoestadístico y las neoplasias de interés mediambiental lo fueron en un diseño en rejilla se modelizó la superficie de exposición. - El efecto del contaminante en cada municipio/sección censal se aproximó introduciendo en el modelo el valor promedio en cada área y la variabilidad intra-área. - El efecto del contaminante se consideró aleatorio, en el sentido de que podría ser diferente en cada una de las áreas. - Las condiciones socioeconómicas fueron otra de las variables que redujeron la variabilidad remanente en las RIE/RME suavizadas. -Las variables explicativas observadas con un diseño en rejilla, como el índice de privación, se introdujeron en el modelo como efectos fijos. - El efecto de la privación sobre la incidencia y/o mortalidad por cáncer de tráquea, bronquios y pulmón, controlando por contaminantes atmosféricos, fue mayor en las mujeres que en los hombres. -Altas concentraciones de contaminantes atmosféricos aumentan el riesgo de padecer neoplasias de interés medioambiental, controlando por condiciones socioeconómicas.

Quantifying rock fabrics: a test of autocorrelation of the spatial distribution of cristals

A novel test of spatial independence of the distribution of crystals or phases in rocks based on compositional statistics is introduced. It improves and generalizes the common joins-count statistics known from map analysis in geographic information systems. Assigning phases independently to objects in RD is modelled by a single-trial multinomial random function Z(x), where the probabilities of phases add to one and are explicitly modelled as compositions in the K-part simplex SK. Thus, apparent inconsistencies of the tests based on the conventional joins{count statistics and their possibly contradictory interpretations are avoided. In practical applications we assume that the probabilities of phases do not depend on the location but are identical everywhere in the domain of de nition. Thus, the model involves the sum of r independent identical multinomial distributed 1-trial random variables which is an r-trial multinomial distributed random variable. The probabilities of the distribution of the r counts can be considered as a composition in the Q-part simplex SQ. They span the so called Hardy-Weinberg manifold H that is proved to be a K-1-affine subspace of SQ. This is a generalisation of the well-known Hardy-Weinberg law of genetics. If the assignment of phases accounts for some kind of spatial dependence, then the r-trial probabilities do not remain on H. This suggests the use of the Aitchison distance between observed probabilities to H to test dependence. Moreover, when there is a spatial uctuation of the multinomial probabilities, the observed r-trial probabilities move on H. This shift can be used as to check for these uctuations. A practical procedure and an algorithm to perform the test have been developed. Some cases applied to simulated and real data are presented. Key words: Spatial distribution of crystals in rocks, spatial distribution of phases, joins-count statistics, multinomial distribution, Hardy-Weinberg law, Hardy-Weinberg manifold, Aitchison geometry