El análisis de conjuntos de datos a nivel de población puede proporcionar información sobre el estado de salud de grandes poblaciones para que los funcionarios de salud pública puedan tomar decisiones basadas en datos. El análisis de estos conjuntos de datos a menudo requiere modelos altamente parametrizados con diferentes tipos de efectos fijos y aleatorios para tener en cuenta los factores de riesgo, variaciones espaciales y temporales, efectos multinivel y otras fuentes de incertidumbre. Para ilustrar el potencial de los modelos jerárquicos bayesianos, se analiza un conjunto de datos de alrededor de 500,000 habitantes publicado por el Fondo Nacional de Salud de Polonia que contiene información sobre la incidencia de accidentes cerebrovasculares isquémicos durante un período de 2 años utilizando diferentes tipos de modelos. Se consideran modelos de regresión logística espacial y modelos de supervivencia para analizar las probabilidades individuales de accidente cerebrovascular y los tiempos hasta la ocurrencia de un evento de accidente cerebrovascular isquémico. Variables demográficas y socioeconómicas, así como información sobre la prescripción de medicamentos, están disponibles a nivel individual. La variación espacial se considera mediante efectos aleatorios a nivel de región.