Bayesian spatiotemporal modelling for disease mapping: an application to preeclampsia and gestational diabetes in Florida, United States - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Article Dans Une Revue Environmental Science and Pollution Research Année : 2023

Bayesian spatiotemporal modelling for disease mapping: an application to preeclampsia and gestational diabetes in Florida, United States

Ning Sun
  • Fonction : Auteur
Zoran Bursac
  • Fonction : Auteur
Ian Dryden
  • Fonction : Auteur
Roberto Lucchini
  • Fonction : Auteur
Sophie Dabo-Niang
MOdel for Data Analysis and Learning
Boubakari Ibrahimou

Domaines

Statistiques [stat]

Sophie Dabo-Niang  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-04392782

Soumis le : dimanche 14 janvier 2024-10:10:00

Dernière modification le : samedi 27 avril 2024-03:12:43

Fichier non déposé

Dates et versions

hal-04392782 , version 1 (14-01-2024)

Identifiants

Citer

Ning Sun, Zoran Bursac, Ian Dryden, Roberto Lucchini, Sophie Dabo-Niang, et al.. Bayesian spatiotemporal modelling for disease mapping: an application to preeclampsia and gestational diabetes in Florida, United States. Environmental Science and Pollution Research, 2023, 30 (50), pp.109283-109298. ⟨10.1007/s11356-023-29953-0⟩. ⟨hal-04392782⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

CNRS INRIA INSMI INRIA2 UNIV-LILLE LPP-MATH
5 Consultations
0 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More