Open Access
Estimating LOCP cancer mortality rates in small domains in Spain using its relationship with lung cancer
(Nature Research, 2021) Retegui Goñi, Garazi; Etxeberria Andueza, Jaione; Ugarte Martínez, María Dolores; Estatistika, Informatika eta Matematika; Institute for Advanced Materials and Mathematics - INAMAT2; Estadística, Informática y Matemáticas; Universidad Pública de Navarra / Nafarroako Unibertsitate Publikoa
The distribution of lip, oral cavity, and pharynx (LOCP) cancer mortality rates in small domains (defined as the combination of province, age group, and gender) remains unknown in Spain. As many of the LOCP risk factors are preventable, specific prevention programmes could be implemented but this requires a clear specification of the target population. This paper provides an in-depth description of LOCP mortality rates by province, age group and gender, giving a complete overview of the disease. This study also presents a methodological challenge. As the number of LOCP cancer cases in small domains (province, age groups and gender) is scarce, univariate spatial models do not provide reliable results or are even impossible to fit. In view of the close link between LOCP and lung cancer, we consider analyzing them jointly by using shared component models. These models allow information-borrowing among diseases, ultimately providing the analysis of cancer sites with few cases at a very disaggregated level. Results show that males have higher mortality rates than females and these rates increase with age. Regions located in the north of Spain show the highest LOCP cancer mortality rates.
Open Access
Multivariate Bayesian models with flexible shared interactions for analyzing spatio-temporal patterns of rare cancers
(Springer, 2024) Retegui Goñi, Garazi; Etxeberria Andueza, Jaione; Ugarte Martínez, María Dolores; Estadística, Informática y Matemáticas; Estatistika, Informatika eta Matematika; Institute for Advanced Materials and Mathematics - INAMAT2; Universidad Pública de Navarra - Nafarroako Unibertsitate Publikoa
Rare cancers afect millions of people worldwide each year. However, estimating incidence or mortality rates associated with rare cancers presents important difculties and poses new statistical methodological challenges. In this paper, we expand the collection of multivariate spatio-temporal models by introducing adaptable shared spatio-temporal components to enable a comprehensive analysis of both incidence and cancer mortality in rare cancer cases. These models allow the modulation of spatio-temporal efects between incidence and mortality, allowing for changes in their relationship over time. The new models have been implemented in INLA using r-generic constructions. We conduct a simulation study to evaluate the performance of the new spatio-temporal models. Our results show that multivariate spatio-temporal models incorporating a fexible shared spatio-temporal term outperform conventional multivariate spatio-temporal models that include specifc spatio-temporal efects for each health outcome. We use these models to analyze incidence and mortality data for pancreatic cancer and leukaemia among males across 142 administrative health care districts of Great Britain over a span of nine biennial periods (2002-2019)
Open Access
Predicting cancer incidence in regions without population-based cancer registries using mortality
(Oxford University Press, 2023) Retegui Goñi, Garazi; Etxeberria Andueza, Jaione; Riebler, Andrea; Ugarte Martínez, María Dolores; Estadística, Informática y Matemáticas; Estatistika, Informatika eta Matematika; Institute for Advanced Materials and Mathematics - INAMAT2; Universidad Pública de Navarra / Nafarroako Unibertsitate Publikoa, PJUPNA2018-11
Cancer incidence numbers are routinely recorded by national or regional population-based cancer registries (PBCRs). However, in most southern European countries, the local PBCRs cover only a fraction of the country. Therefore, national cancer incidence can be only obtained through estimation methods. In this paper, we predict incidence rates in areas without cancer registry using multivariate spatial models modelling jointly cancer incidence and mortality. To evaluate the proposal, we use cancer incidence and mortality data from all the German states. We also conduct a simulation study by mimicking the real case of Spain considering different scenarios depending on the similarity of spatial patterns between incidence and mortality, the levels of lethality, and varying the amount of incidence data available. The new proposal provides good interval estimates in regions without PBCRs and reduces the relative error in estimating national incidence compared to one of the most widely used methodologies.
Open Access
Challenges in disease mapping: predicting cancer incidence and analyzing models’ smoothing
(2024) Retegui Goñi, Garazi; Etxeberria Andueza, Jaione; Ugarte Martínez, María Dolores; Estadística, Informática y Matemáticas; Estatistika, Informatika eta Matematika; Universidad Pública de Navarra / Nafarroako Unibertsitate Publikoa, PJUPNA2018-11
La representación cartográfica de enfermedades tiene como objetivo estudiar los patrones geográficos y las tendencias temporales de incidencia y mortalidad de distintas enfermedades, principalmente no transmisibles, como el cáncer. Los modelos espacio-temporales para datos de área desempeñan un papel crucial en la descripción del impacto del cáncer en distintas poblaciones, permitiendo a los gestores sanitarios e investigadores formular estrategias de prevención, diagnóstico y tratamiento. Sin embargo, el análisis de datos de cáncer presenta varios retos. Por un lado, la falta de registros de incidencia del cáncer en determinadas zonas geográficas dificulta el análisis espacial o temporal de los patrones de incidencia del cáncer. Por otro lado, algunos tipos de cáncer, como los cánceres poco frecuentes, siguen sin estudiarse lo suficiente debido a la escasa disponibilidad de datos exhaustivos. Esta tesis está dedicada a mejorar y desarrollar metodología para abordar los retos asociados tanto con la estimación de la incidencia del cáncer en ausencia de registros como con el estudio de los cánceres poco frecuentes. La tesis pretende alcanzar los siguientes objetivos. El primer objetivo consiste en examinar los retos asociados a los datos de cáncer y revisar los métodos estadísticos utilizados en la literatura para enfrentarse a estos retos. En el Capítulo 1 se ofrece una introducción general a las problemáticas asociadas con los datos de cáncer para comprender la relevancia del problema. El segundo objetivo de esta tesis es proponer nuevos modelos que permitan predecir las tasas de incidencia en áreas geográficas sin registro de cáncer y, en consecuencia, proporcionar estimaciones de la carga de cáncer a nivel nacional. En el Capítulo 2, utilizamos modelos espaciales multivariantes comúnmente empleados en la literatura del ámbito de la representación cartográfica de enfermedades para predecir la incidencia de cáncer, modelizando conjuntamente la incidencia y la mortalidad por cáncer. El tercer objetivo es ampliar la colección de modelos espacio-temporales multivariantes mediante la introducción de interacciones compartidas adaptables que permitan mejorar el análisis conjunto de incidencia y mortalidad por cánceres raros. En el Capítulo 3, se proporciona una descripción detallada del modelo propuesto. Estos modelos permiten la modulación de interacciones espacio-temporales entre incidencia y mortalidad, permitiendo cambios en su relación a lo largo del tiempo. El cuarto objetivo es evaluar la eficacia del método desarrollado en el Capítulo 3 para la predicción a corto plazo de las tasas de incidencia de cáncer, al tiempo que se manejan datos perdidos en las series temporales dada la falta de registros de cáncer en determinadas áreas geográficas. En el Capítulo 4, se lleva a cabo un estudio de validación para evaluar la capacidad predictiva de los modelos tanto para la predicción a futuro como para la predicción de datos faltantes en determinadas áreas, utilizando datos de mortalidad por cáncer de pulmón de los distritos sanitarios administrativos de Inglaterra para la serie temporal que abarca de 2001 a 2019. El quinto objetivo es ofrecer una visión global del suavizado inducida por los modelos espaciales univariantes. Estos modelos llevan implícito cierto grado de suavizado, en virtud del cual, para cualquier área concreta, las estimaciones empíricas de riesgo o incidencia se ajustan hacia una media adecuada o incorporan un suavizado basado en los vecinos. Por lo tanto, aunque la explicación del modelo puede ser el objetivo principal, es crucial examinar el efecto de suavizado de los modelos. Además, un prior espacial particular tiene parámetros y no se ha estudiado cómo la variación de estos parámetros afecta al suavizado inducido. El Capítulo 5 investiga, tanto teórica como empíricamente, el grado de suavizado conseguido por un modelo determinado. El sexto objetivo, transversal a todos los capítulos, materializa nuestro firme compromiso con la reproducibilidad. El código desarrollado en esta tesis se encuentra disponible públicamente en el repositorio de GitHub de nuestro grupo de investigación https://github.com/spatialstatisticsupna. La tesis finaliza con las principales conclusiones y las líneas futuras de investigación.

Retegui Goñi, Garazi

Email Address

person.page.identifierURI

Birth Date

Job Title

Last Name

First Name

person.page.departamento

person.page.instituteName

ORCID

person.page.observainves

person.page.upna

Name

Filters

Author

Subject

Date

Has files

Item Type

Type

Settings

Sort By

Results per page

Search Results