Spatial disease modeling remains an important public health tool. For cholera, the presence of zero counts is common. The Poisson model is inadequate to (1) capture over-dispersion, and (2) distinguish between excess zeros arising from non-susceptible and susceptible populations. In this study, we develop zero-inflated (ZI) mixture spatially varying coefficient (SVC) models to (1) distinguish between the sources of the excess zeros and (2) uncover the spatially varying effects of precipitation and temperature (LST) on cholera. We demonstrate the potential of the models using cholera data from Ghana. A striking observation is that the Poisson model outperformed the ZI mixture models in terms of fit. The ZI Negative Binomial (ZINB) outperformed the ZI Poisson (ZIP) model. Subject to our objectives, we make inferences using the ZINB model. The proportion of zeros estimated with the ZINB model is 0.41 and exceeded what would have been estimated using a Poisson model which is 0.35. We observed the spatial trends of the effects of precipitation and LST to have both increasing and decreasing gradients; an observation implying that the use of only the global coefficients would lead to wrong inferences. We conclude that (1) the use of ZI mixture models has epidemiological significance. Therefore, its choice over the Poisson model should be based on an epidemiological concept rather than model fit and, (2) the extension of ZI mixture models to accommodate spatially varying coefficients uncovered remarkable varying effects of the covariates. These findings have significant implications for public health monitoring of cholera.

空间疾病建模仍然是一种重要的公共卫生工具。对于霍乱，零计数的存在是常见的。Poisson 模型不足以 (1) 捕获过度分散，以及 (2) 区分由非易感人群和易感人群引起的过度零点。在这项研究中，我们开发了零膨胀 (ZI) 混合空间变化系数 (SVC) 模型，以 (1) 区分过量零的来源和 (2) 揭示降水和温度 (LST) 对霍乱的空间变化影响. 我们使用来自加纳的霍乱数据展示了模型的潜力。一个惊人的观察结果是，Poisson 模型在拟合方面优于 ZI 混合模型。ZI 负二项式 (ZINB) 优于 ZI 泊松 (ZIP) 模型。根据我们的目标，我们使用 ZINB 模型进行推断。ZINB 模型估计的零点比例为 0.41，超过了使用 Poisson 模型估计的 0.35。我们观察到降水和 LST 影响的空间趋势既有增加的梯度也有减少的梯度；一个观察暗示只使用全局系数会导致错误的推论。我们得出结论：（1）使用 ZI 混合模型具有流行病学意义。因此，它对泊松模型的选择应该基于流行病学概念而不是模型拟合，并且 (2) ZI 混合模型的扩展以适应空间变化的系数揭示了协变量的显着变化效应。这些发现对霍乱的公共卫生监测具有重要意义。41 并且超过了使用泊松模型估计的 0.35。我们观察到降水和 LST 影响的空间趋势既有增加的梯度也有减少的梯度；一个观察暗示只使用全局系数会导致错误的推论。我们得出结论：（1）使用 ZI 混合模型具有流行病学意义。因此，它对泊松模型的选择应该基于流行病学概念而不是模型拟合，并且 (2) ZI 混合模型的扩展以适应空间变化的系数揭示了协变量的显着变化效应。这些发现对霍乱的公共卫生监测具有重要意义。41 并且超过了使用泊松模型估计的 0.35。我们观察到降水和 LST 影响的空间趋势既有增加的梯度也有减少的梯度；一个观察暗示只使用全局系数会导致错误的推论。我们得出结论：（1）使用 ZI 混合模型具有流行病学意义。因此，它对泊松模型的选择应该基于流行病学概念而不是模型拟合，并且 (2) ZI 混合模型的扩展以适应空间变化的系数揭示了协变量的显着变化效应。这些发现对霍乱的公共卫生监测具有重要意义。我们观察到降水和 LST 影响的空间趋势既有增加的梯度也有减少的梯度；一个观察暗示只使用全局系数会导致错误的推论。我们得出结论：（1）使用 ZI 混合模型具有流行病学意义。因此，它对泊松模型的选择应该基于流行病学概念而不是模型拟合，并且 (2) ZI 混合模型的扩展以适应空间变化的系数揭示了协变量的显着变化效应。这些发现对霍乱的公共卫生监测具有重要意义。我们观察到降水和 LST 影响的空间趋势既有增加的梯度也有减少的梯度；一个观察暗示只使用全局系数会导致错误的推论。我们得出结论：（1）使用 ZI 混合模型具有流行病学意义。因此，它对泊松模型的选择应该基于流行病学概念而不是模型拟合，并且 (2) ZI 混合模型的扩展以适应空间变化的系数揭示了协变量的显着变化效应。这些发现对霍乱的公共卫生监测具有重要意义。我们得出结论：（1）使用 ZI 混合模型具有流行病学意义。因此，它对泊松模型的选择应该基于流行病学概念而不是模型拟合，并且 (2) ZI 混合模型的扩展以适应空间变化的系数揭示了协变量的显着变化效应。这些发现对霍乱的公共卫生监测具有重要意义。我们得出结论：（1）使用 ZI 混合模型具有流行病学意义。因此，它对泊松模型的选择应该基于流行病学概念而不是模型拟合，并且 (2) ZI 混合模型的扩展以适应空间变化的系数揭示了协变量的显着变化效应。这些发现对霍乱的公共卫生监测具有重要意义。