Nuestro objetivo en este trabajo fue el de presentar un modelo espacio-temporal Bayesiano jerárquico que nos permitió realizar predicciones espaciales de los niveles de contaminación del aire de manera efectiva y con muy pocos costes computacionales.

Especificamos un modelo espacio-temporal jerárquico, utilizando las ecuaciones diferenciales parciales estocásticas (SPDE) de la aproximación de aproximaciones de Laplace anidadas integradas (INLA). Este enfoque nos permitió predecir espacialmente, en el territorio de Cataluña, los niveles de los cuatro contaminantes para los que hay más evidencia de un efecto adverso sobre la salud.

Nuestro modelo nos permitió hacer predicciones espaciales bastante precisas de la exposición a corto y largo plazo a los contaminantes del aire, con un bajo costo computacional. Los únicos requisitos del método que proponemos son el número mínimo de estaciones distribuidas por el territorio donde se realizarán las predicciones, y que las dimensiones espacial y temporal sean independientes o separables.