地理空间健康数据对于公共卫生和政策制定至关重要。这些数据可用于量化疾病负担，了解地理和时间模式，识别风险因素以及衡量不平等现象。本书介绍了R中用于分析地理参考健康数据的空间和时空统计方法以及可视化技术，具体涵盖以下主题： ·操作和转换点、面和栅格数据； ·使用区域和地理统计数据进行疾病映射的贝叶斯分层模型； ·使用集成的嵌套拉普拉斯近似（INLA）和随机偏微分方程（SPDE）方法拟合和解释空间和时空模型； ·创建交互式和静态可视化，例如疾病地图和时间曲线图； ·可重现的R Markdown报告、交互式仪表盘和Shiny Web应用程序，便于向合作者和决策者传达见解。 本书提供了基于真实世界数据的多个疾病和环境应用的完全可复制示例，例如冈比亚的疟疾，英国和美国的癌症以及西班牙的空气污染。这些示例主要集中在健康应用方面，但所涉及的方法也适用于其他使用地理参考数据的领域，包括流行病学、生态学、人口统计学和犯罪学。本书清晰描述了数据导入、操作、建模和可视化的R代码以及结果的解释。这确保内容完全可复制并且便于学生、研究人员和从业者使用。

前辅文
第一部分 地理空间健康数据和INLA
  第1章 地理空间健康
   1.1 地理空间健康数据
   1.2 疾病制图
   1.3 结果的交流
  第2章 空间数据和用于制图的R软件包
   2.1 空间数据的类型
   2.2 坐标参考系统
   2.3 shapefiles
   2.4 使用R制作地图
  第3章 贝叶斯推断与INLA
   3.1 贝叶斯推断
   3.2 积分嵌套拉普拉斯近似
  第4章 R-INLA软件包
   4.1 线性预测因子
   4.2 inla()函数
   4.3 先验的指定
   4.4 例子
   4.5 近似计算的控制变量
第二部分 建模与可视化
  第5章 区域数据
   5.1 空间邻域矩阵
   5.2 标准化发病率
   5.3 空间上的小区域疾病风险估计
   5.4 时空小区域疾病风险估计
   5.5 区域数据的问题
  第6章 区域数据的空间建模：苏格兰唇癌数据
   6.1 数据和地图
   6.2 数据准备
   6.3 绘制SIR地图
   6.4 建模
   6.5 相对风险地图绘制
   6.6 超额概率
  第7章 区域数据的时空建模：俄亥俄州肺癌数据
   7.1 数据和地图
   7.2 数据准备
   7.3 绘制SIR地图
   7.4 SIR时间图
   7.5 建模
   7.6 绘制相对风险地图
  第8章 地理统计数据
   8.1 高斯随机场
   8.2 随机偏微分方程法
   8.3 巴西Paraná州降雨的空间模型
   8.4 用地理统计数据绘制疾病地图
  第9章 地理统计数据空间建模：冈比亚疟疾数据
   9.1 数据
   9.2 数据准备
   9.3 建模
   9.4 绘制疟疾感染率地图
   9.5 绘制超额概率地图
  第10章 地理统计数据时空建模：西班牙空气污染数据
   10.1 地图
   10.2 数据
   10.3 建模
   10.4 绘制空气污染预测地图
第三部分 结果的交流
  第11章 R Markdown介绍
   11.1 R Markdown
   11.2 YAML
   11.3 Markdown语法
   11.4 R代码块
   11.5 图形
   11.6 表格
   11.7 示例
  第12章 用flexdashboard建立一个空间数据可视化的仪表盘
   12.1 R软件包
   12.2 全球空气污染可视化仪表盘
  第13章 Shiny介绍
   13.1 Shiny应用程序示例
   13.2 Shiny应用程序的结构
   13.3 输入
   13.4 输出
   13.5 输入、输出和反应性
   13.6 Shiny应用程序示例
   13.7 HTML内容
   13.8 布局
   13.9 分享Shiny应用程序
  第14章 用flexdashboard和Shiny创建的交互式仪表盘
   14.1 一个全球空气污染可视化的交互式仪表盘
  第15章 构建一个用来上传和可视化时空数据的Shiny应用程序
   15.1 Shiny
   15.2 设置
   15.3 app.R的结构
   15.4 布局
   15.5 HTML的内容
   15.6 读取数据
   15.7 添加输出
   15.8 添加反应性
   15.9 上传数据
   15.10 处理缺失的输入
   15.11 结论
  第16章 基于SpatialEpiApp的疾病监测
   16.1 安装
   16.2 SpatialEpiApp的使用
附录A R的安装及本书用到的软件包
参考文献
索引