In this study, we develop factor analysis to explore areal data collected in space and time. The main goal is to incorporate the framework with nonlinear interactions to handle a spatio-temporal random effect in the structure of a mixed generalized linear regression. The spatial dependence between regions is established through the CAR model specified for each column of the loadings matrix. Temporal dependence is considered to associate the columns of the factor scores matrix. The presence of nonlinear interactions is intended to improve cluster detection, since new types of groups can emerge as a combination of the main factors effects and the interaction effect. Our study is focused on the logistic and Poisson cases, but it can be extended to other generalized linear models that originated from distributions of the exponential family. A comprehensive simulation study is conducted to investigate the performance of the proposed approach. This work was motivated by the analysis of electrocardiogram (ECG) data related to patients affected by acute myocardial infarction (AMI). The data were collected between 2013 and 2016 through an ECG telediagnostic system covering the state of Minas Gerais in Brazil. The system is maintained by the Telehealth Center within the Hospital das Clínicas of the Federal University of Minas Gerais. The methodology proposed defining nonlinear interaction in the spatio-temporal setting and the analysis of the novel ECG data set are the central contributions of the paper.

在这项研究中，我们开发因子分析来探索在空间和时间上收集的面数据。主要目标是将具有非线性相互作用的框架纳入混合广义线性回归的结构中，以处理时空随机效应。区域之间的空间相关性是通过为荷载矩阵的每一列指定的CAR模型建立的。时间依赖性被认为与因子得分矩阵的各列相关联。非线性相互作用的存在旨在改善聚类检测，因为新类型的组可以作为主要因素效应和相互作用效应的组合出现。我们的研究集中在logistic和Poisson案例，但是它可以扩展到源自指数族分布的其他广义线性模型。进行了全面的仿真研究，以研究所提出方法的性能。这项工作是通过对与急性心肌梗死（AMI）患者相关的心电图（ECG）数据进行分析而激发的。数据是在2013年至2016年之间通过ECG远程诊断系统收集的，该系统涵盖了巴西米纳斯吉拉斯州。该系统由米纳斯吉拉斯州联邦大学dasClínicas医院的远程医疗中心维护。提出的定义时空环境中非线性相互作用的方法以及对新型ECG数据集的分析是本文的主要贡献。这项工作是通过对与急性心肌梗死（AMI）患者相关的心电图（ECG）数据进行分析而激发的。数据是在2013年至2016年之间通过ECG远程诊断系统收集的，该系统涵盖了巴西米纳斯吉拉斯州。该系统由米纳斯吉拉斯州联邦大学dasClínicas医院的远程医疗中心维护。提出的定义时空环境中非线性相互作用的方法以及对新型ECG数据集的分析是本文的主要贡献。这项工作是通过对与急性心肌梗死（AMI）患者相关的心电图（ECG）数据进行分析而激发的。数据是在2013年至2016年之间通过ECG远程诊断系统收集的，该系统涵盖了巴西米纳斯吉拉斯州。该系统由米纳斯吉拉斯州联邦大学dasClínicas医院的远程医疗中心维护。提出的定义时空环境中非线性相互作用的方法以及对新型ECG数据集的分析是本文的主要贡献。该系统由米纳斯吉拉斯州联邦大学dasClínicas医院的远程医疗中心维护。提出的定义时空环境中非线性相互作用的方法以及对新型ECG数据集的分析是本文的主要贡献。该系统由米纳斯吉拉斯州联邦大学dasClínicas医院的远程医疗中心维护。提出的定义时空环境中非线性相互作用的方法以及对新型ECG数据集的分析是本文的主要贡献。