بسیاری از داده‌های فضایی-زمانی، به‌ویژه در پزشکی و تصویرسازی بیماری‌ها، شمارشی هستند. معمولا این نوع داده‌های شمارشی دارای تغییرپذیری مضاعفی هستند که کارایی مدل پواسون را برای تحلیل آن‌ها خدشه‌دار می‌کند. لحاظ کردن این تغییرپذیری در فرآیند مدل‌بندی، نقش مهمی در افزایش کارایی تحلیل داده‌های فضایی-زمانی شمارشی دارد. با این هدف، در این مقاله، یک مدل فضایی-زمانی بیزی جدید با انعطاف بالا برای مدل‌بندی پراکنش داده‌ها، به نام گامای شمارشی، معرفی شده است. برای برازش و استنباط این مدل، روش تقریب لاپلاس آشیانی جمع‌بسته به کار گرفته شده است. برای ارزیابی عملکرد مدل پیشنهادی در مقایسه با مدل‌های سنتی پواسون و دوجمله‌ای منفی، از یک مطالعه شبیه‌سازی استفاده شده است. افزون بر این، کاربست مدل در تحلیل داده‌های سرطان خون در استان خراسان رضوی، نشان داده شده است.