我院流行病与卫生统计学系马越课题组在空间统计学统计方法领域取得进展,提出了可以同时利用空间数据集中的空间相似性和空间异质性的数据驱动空间权重矩阵(Data-Dirven Matrices, DDW),研究成果“Reclaiming independence in spatial-clustering datasets: A series of data-driven spatial weights matrices”发表在统计学权威期刊Statistics in Medicine,研究在一系列模拟验证和实例应用中取得了比传统空间权重矩阵更佳的表现,为空间统计学中充分利用空间数据集中的空间信息提供了新的解决方案和实现工具。
进一步将该方法用于环境暴露估计,在环境科学研究领域国际顶级期刊Journal of Cleaner Production (IF: 11.072,中科院Top期刊)、Chemosphere(IF: 8.943,中科院Top期刊)、Environmental Pollution (IF: 9.988,中科院环境科学领域Top期刊) 发表题为 “Estimating high-resolution PM2.5concentration in the Sichuan Basin using a random forest model with data-driven spatial autocorrelation terms”、“Exploring the detailed spatiotemporal characteristics of PM2.5: Generating a full-coverage and hourly PM2.5 dataset in the Sichuan Basin, China”、“Socio-demographic characteristics and inequality in exposure to PM2.5: A case study in the Sichuan basin, China”的系列原创性研究论文。研究构建了用于PM2.5暴露估计的数据驱动空间统计模型,利用站点监测数据及相关辅助变量估计了四川盆地全时空覆盖、城市地区百米级超高分辨率其估计误差低于同类研究的PM2.5浓度数据,为环境暴露估计提供了新的研究方法,为四川盆地PM2.5相关健康风险和疾病负担的评价及防治措施的制定提供了数据支撑。


四川大学华西公共卫生学院/华西第四医院为后三篇论文的唯一单位。四篇论文通讯作者皆为我院马越副教授,第一篇论文第一作者为我院2021级博士研究生王维和副研究员肖雄,后三篇论文第一作者依次为我院2020级硕士研究生张艺、翟思维、黄镜霏。四篇论文相关研究得到了国家自然科学基金、四川省科技重点研发项目的支持。
论文链接:
https://onlinelibrary.wiley.com/doi/10.1002/sim.9395
https://www.sciencedirect.com/science/article/pii/S0959652622044638
https://www.sciencedirect.com/science/article/pii/S0045653522032799
https://www.sciencedirect.com/science/article/pii/S0269749122018449