-
Views
-
Cite
Cite
Jason Sutherland, Carl James Schwarz, Multi-List Methods Using Incomplete Lists in Closed Populations, Biometrics, Volume 61, Issue 1, March 2005, Pages 134–140, https://doi.org/10.1111/j.0006-341X.2005.021126.x
Close - Share Icon Share
Summary
Multi-list methods have become a common application of capture–recapture methodology to estimate the size of human populations, and have been successfully applied to estimating prevalence of diabetes, human immunodeficiency virus (HIV), and drug abuse. A key assumption in multi-list methods is that individuals have a unique “tag” that allows them to be matched across all lists. This article develops multi-list methodology that relaxes the assumption of a single tag common to all lists. Estimates are found using estimating functions. An example illustrates its application for estimating the prevalence of diabetes, and a simulation study investigates conditions under which the methodology is robust to different list and population sizes.
Résumé
Les méthodes multi-listes constituent désormais une application classique des méthodes de capture-recapture pour estimer l'effectif de populations humaines, et ont été utilisées avec succès pour estimer la prévalence du diabète, du virus de l'immunodéficience humaine (VIH), et de toxicomanies. Une hypothèse forte des méthodes multi-listes est que chaque individu est reconnaissable (≪marqué≫) de manière unique, ce qui permet de mettre en correspondance toutes les listes utilisées. Cet article développe une méthodologie qui permet de s'écarter de l'hypothèse d'une ≪marque≫ unique commune à toutes les listes. Nous estimons les paramètres à l'aide de fonction d'estimation. Nous illustrons la méthode par un exemple d'application à l'estimation de la prévalence du diabète, et nous explorons par des simulations les conditions sous lesquelles la méthode proposée est robuste à différents effectifs de listes et de population.
