Topik ini berfokus pada penerapan model spasial dan spasio-temporal berbasis pendekatan Bayesian, khususnya Conditional Autoregressive (CAR), dalam menganalisis dan memetakan pola kejadian kesehatan secara geografis dan dinamis dari waktu ke waktu. Model ini digunakan untuk mengungkap variasi spasial maupun spasio-temporal dari indikator-indikator kesehatan masyarakat, seperti angka kejadian penyakit, kematian, dan akses layanan kesehatan.
Topik ini berfokus pada pengembangan model statistik spasial atau spasio-temporal yang memperhitungkan Modifiable Areal Unit Problem (MAUP), khususnya dalam konteks analisis data lingkungan dan kesehatan. MAUP merupakan isu metodologis penting dalam analisis spasial yang dapat memengaruhi hasil analisis dan interpretasi model akibat perubahan skala atau batas wilayah agregasi.
Topik ini berfokus pada penerapan analisis survival, baik dalam pendekatan Bayesian maupun non-Bayesian, untuk menganalisis data waktu-kejadian dalam konteks kesehatan. Analisis survival sangat penting untuk memahami dan memprediksi waktu terjadinya suatu peristiwa klinis atau kesehatan, seperti waktu hingga kematian, kekambuhan penyakit, atau lama rawat inap.
Topik ini berfokus pada pengembangan dan penerapan model Bayesian spasial survival untuk menganalisis data kesehatan yang memiliki karakteristik waktu-kejadian dan keterkaitan spasial antar wilayah. Model ini dikembangkan untuk mengakomodasi variasi geografis dalam risiko kejadian suatu peristiwa kesehatan, serta mempertimbangkan ketidakpastian dan kompleksitas data melalui pendekatan Bayesian.
Topik ini berfokus pada pengembangan dan penerapan model Bayesian spatio-temporal survival untuk menganalisis data kesehatan yang berkaitan dengan waktu kejadian suatu peristiwa (seperti kematian, kesembuhan, atau kekambuhan penyakit), serta mempertimbangkan variasi spasial (antar wilayah) dan variasi temporal (antar waktu) secara simultan.