疾病制图是对疾病相对风险或时空分布的研究，通常使用广义线性混合模型（GLMM），其中包括固定效应以及时空，时空和时空随机效应。 模型拟合和统计推断通常通过经验贝叶斯（EB）和完全贝叶斯（FB）方法来完成。 EB方法通常依赖于惩罚拟似然（PQL），而FB方法在最近变得越来越流行，通常使用马尔可夫链蒙特卡洛（McMC）技术。 但是，在通过McMC进行后采样的常规使用中，存在许多挑战。 这包括需要评估后验样本的收敛性，这通常需要大量的模拟并且非常耗时。 疾病映射中使用的时空模型通常非常复杂，如果手头的数据量很大，McMC方法可能会导致较大的蒙特卡洛误差。 为了应对这些挑战，最近已经开发了一种基于集成