Skew-elliptical copula based mixed models for non-Gaussian longitudinal data with application to an HIV-AIDS study
针对非高斯纵向数据,提出基于偏椭圆Copula的混合模型,同时处理边际不对称性、个体差异和非标准时间依赖,并用IFM估计,在HIV CD4数据上验证有效性。
2025-05-26 stat.AP stat.ME
A Spatially Varying Hierarchical Random Effects Model for Longitudinal Macular Structural Data in Glaucoma Patients
我们对纵向黄斑厚度测量进行建模,以监测青光眼的病程并防止因疾病进展而导致的视力丧失。黄斑厚度在视网膜上的位置的6 $\times$ 6网格上变化,并且在每次访问时由成像过程产生额外的可变性。目前,眼科医生使用重复简单线性回归来估计每个受试者和位置的斜率。为了更精确地估计斜率,我们开发了一种新的贝叶斯分层模型,用于多个受试者,具有空间变化的人口水平和受试者水平系数,借用受试者和测量位置的信息。我们增加了访问效应的模型,以考虑到观察到的空间相关的访问特定的错误。我们用Matérn交叉协方差函数对空间变化的(a)截距、(b)斜率和(c)对数残差标准差(SD)进行建模。每个边际过程假设一个指数核,具有自己的SD和空间相关矩阵。我们开发了我们的模型,并将其应用于晚期青光眼进展研究的数据。我们发现,包括访问的影响,在模型中减少了预测未来的厚度测量误差,大大提高了模型拟合。
2023-03-21 stat.AP
Power Estimation for Longitudinal Studies with Time Dependent Covariates Using Generalized Method of Moments
Virginia Commonwealth University(弗吉尼亚联邦大学)
本文针对含时变协变量的纵向研究,提出基于广义矩方法(GMM)的两种功效估计方法(Wald法和距离度量法),填补了GMM框架下缺乏实用功效分析工具的空白。
2026-05-28 stat.AP stat.ME
Efficient and Robust Estimation for a Class of Generalized Linear Longitudinal Mixed Models
基于协方差结构的显式建模,提出了一类具有可加离差分量的分层乘性广义线性混合模型的通用且计算效率高的估计方程方法.该类别结合了纵向和随机效应模型,并保留了边际和条件解释。估计过程结合了回归的广义估计方程和关联参数的残差极大似然估计。这避免了传统的广义线性混合模型可能性的多维积分,并允许扩展的强大的经验三明治估计与关联和回归参数一起使用。该方法适用于一组耳石数据,用于年龄确定的鱼。
2010-08-17 stat.AP stat.ME
Flexible Marginal Models for Dependent Data
相关数据模型的区别在于它们的推理目标。边缘模型是有用的,当兴趣在于量化跨集群人口的平均关联。当协变量-结果关联的函数形式未知时,需要灵活的回归方法来考虑潜在的非线性关系。我们提出了一种新的边际加性模型(MAM)的非线性人口平均协会的集群相关数据建模。建议的MAM是一个统一的框架,估计和不确定性量化的边际均值模型,结合推断集群间的变异性和集群特定的预测。我们提出了一个拟合算法,使有效的计算标准误和纠正估计的惩罚条款。我们证明了所提出的方法在模拟和应用(一)海狸觅食行为的纵向研究,和(ii)Loaloa感染在西非的空间分析。用于实现所提议的方法的R代码可在https://github.com/awstringer1/mam上获得。
2022-04-14 stat.AP stat.ME
Bayesian modelling of statistical region- and family-level clustered ordinal outcome data from Turkey
本研究采用多分类逻辑斯谛回归分析存在随机效应的三水平有序结局数据。假设随机效应遵循logit链接的Bridge分布,这允许获得回归系数的边际解释。数据来自土耳其收入和生活条件研究,其中的结果变量是自评健康(SRH),本质上是有序的。这些数据的分析是比较协变量亚组,并得出地区和家庭一级的SRH方面的推论。参数和随机效应是从贝叶斯范式下的联合后验密度中采样的。模型选择采用三种准则:待验信息准则、对数伪边缘似然准则和偏差信息准则。所有这三个建议,我们需要考虑到地区和家庭层面的变异性,以模型SRH。模型复制观测数据的程度通过后验预测检查进行检查。在性健康和生殖健康的差异之间的经济和人口变量,土耳其的地区,和家庭谁参加了调查。一些有趣的发现是,失业者报告健康状况较差的可能性比就业者高19%,爱琴海农村是报告健康状况较差的可能性最小的地区。
2021-11-08 stat.AP
Mediation analysis in longitudinal intervention studies with an ordinal treatment-dependent confounder
University of Turku(图尔库大学);Finnish Institute for Health and Welfare(芬兰健康与福利研究所);University of Eastern Finland(芬兰东部大学);University of Helsinki(赫尔辛基大学)
本文研究了纵向中介变量、时间到事件结局及有序治疗依赖性混杂因素下的中介效应识别问题,提出在单调性假设下通过非参数表达式估计中介效应,并通过芬兰糖尿病预防研究验证了生活方式干预对2型糖尿病预防的中介作用。
2025-05-21 stat.AP
Modeling Heterogeneity and Missing Data of Multiple Longitudinal Outcomes in Electronic Health Records
在电子健康记录(EHR)中,潜在的患者亚组可能在其纵向健康轨迹中表现出独特的模式。对于这样的数据,生长混合模型(Growth mixture models,GARCH)能够根据个体轨迹和假设的风险因素将患者分类为不同的潜在类别。然而,电子健康档案中特殊的缺失数据问题阻碍了GHR的应用,该问题表现为两个患者主导的缺失数据过程:就诊过程和以患者就诊为条件的EHR变量响应过程。如果任一过程与产生纵向结果的过程相关联,则有效的推断需要考虑不可解释的缺失数据机制。我们提出了一个贝叶斯共享参数模型,链接多个纵向健康结果,访问过程中,每个结果的响应过程中给出了一个访问使用离散的潜在类变量的Gestival。我们的重点是多个纵向的健康结果,可以有一个临床规定的访问时间表。我们证明了我们的模型在EHR测量幼儿体重和身高Z分数。使用数据模拟,我们说明了我们的方法相对于子群特定的或边缘推论的统计特性。我们构建了用于模型拟合、选择和检查的R包EHRMiss。
2021-03-20 stat.AP stat.ME
Flexible linear mixed models with improper priors for longitudinal and survival data
针对具有灵活随机效应和残差误差分布的分层线性混合模型,提出了一种使用不适当先验的贝叶斯方法。误差分布是使用比例混合的法线,它可以捕捉比那些正态分布的尾部重建模。这种概括对于产生对离群值的存在具有鲁棒性的模型是有用的。还研究了非对称残差的情况。我们目前的一般结果的适当性后,也包括情况下,审查意见,允许使用这些模型的背景下流行的纵向和生存分析。我们考虑使用灵活的边际copula建模之间的依赖关系的随机效应,但我们的研究结果涵盖使用任何随机效应分布。因此,我们的论文提供了一个正式的理由贝叶斯推断在一个非常广泛的一类模型(几乎涵盖了所有的文献)有吸引力的事先结构,限制所需的用户启发。
2018-02-05 stat.AP stat.ME
AR(1) Latent Class Models for Longitudinal Count Data
在涉及纵向或重复测量数据的各种应用中,希望揭示研究对象之间存在的自然分组或聚类。出于需要恢复纵向轨迹的行为问题在发展心理病理学领域,我们提出了一种方法来解决这个目标时,有问题的数据计数。我们假设特定于受试者的观察结果是从一阶自回归过程生成的,该过程适用于计数。我们的方法的一个关键优势是,响应的边缘分布可以用封闭形式表示,从而避免了与随机效应模型相关的常见计算问题。为了进一步提高计算效率,我们提出了一个准EM过程估计模型参数,在每个EM迭代,最大化的步骤近似通过求解一组适当选择的估计方程。此外,我们引入了一种新的方法来表达底层数据和拟合模型能够正确地将受试者分配到其(未知)潜在类别的程度。我们通过基于四类模型的模拟来探索我们的程序的有效性,特别强调后验分类。最后,我们分析数据,并恢复在一个重要的全国代表性样本的行为问题的轨迹。
2015-01-23 stat.AP stat.ME
Evaluating epoetin dosing strategies using observational longitudinal data
依泊苷通常用于治疗接受透析的慢性肾病和终末期肾病受试者的贫血,然而,对于这些受试者的血红蛋白或红细胞压积目标水平存在相当大的不确定性。为了解决这个问题,我们将依泊苷给药指南视为一种动态治疗方案。具体来说,我们提出了一种使用观察数据比较替代治疗方案对生存期影响的方法。在随机试验中,患者可以被分配遵循特定的管理指南,但在观察性研究中,受试者可能有同时遵守多种方案的治疗路径。我们提出了一种克隆策略,其中每个受试者都对每个治疗方案提供随访数据,这些治疗方案是连续遵守的,并在第一次不遵守时进行人工删失。我们详细介绍了一个逆概率加权对数秩检验与一个有效的渐近方差估计,可用于测试两种方案下的生存分布。为了比较多个方案,我们提出了几个边际结构考克斯比例风险模型与强大的方差估计,以考虑克隆的创建。该方法通过模拟来说明,并应用于比较来自美国肾脏数据系统的33,873例成人血液透析患者队列中的依泊苷给药方案的分析。
2015-02-03 stat.AP
Nonresponse Bias Analysis in Longitudinal Studies: A Comparative Review with an Application to the Early Childhood Longitudinal Study
该研究比较了纵向研究中针对单调缺失模式的多种无应答偏差分析方法,结合ECLS-K:2011数据开展应用与敏感性分析,发现其对结论影响较小,指出成功的关键是纳入强预测变量。
2024-01-29 stat.AP stat.ME
Beyond Actor-Partner Associations: A Target-Trial Framework for Causal Spillover Effects in Longitudinal Dyadic Data
Michigan State University(密歇根州立大学)
该研究提出目标试验框架,将APIM关联问题转化为因果二元分析,揭示倾向得分分解偏差,并通过模拟和HRS数据验证其诊断价值。
2026-10-02 stat.AP stat.ME
Causal Inference in Longitudinal Data under Unknown Interference
本文针对纵向研究中未知且复杂的干扰结构,提出基于修正边际结构模型和逆概率加权的因果推断框架,用于识别和估计治疗历史的直接效应与溢出效应,并给出渐近性质与置信区间构造方法。
2025-08-25 math.ST stat.AP stat.ME
Semi-partitioned Generalized Method of Moments for Longitudinal Data with Lagged and Feedback Covariates
Virginia Commonwealth University(弗吉尼亚联邦大学);Arizona State University(亚利桑那州立大学)
本文提出半分区GMM方法,用于处理具有滞后和反馈协变量的纵向数据,通过区分即时和滞后效应,提高模型效率和稳定性。
2026-03-03 stat.AP stat.ME
Modeling Zero-Inflated Correlated Dental Data through Gaussian Copulas and Approximate Bayesian Computation
针对零膨胀和时空相关的纵向牙齿数据,提出结合hurdle模型与高斯Copula的回归模型,并采用近似贝叶斯计算推断,揭示龋齿风险因素及相关性结构。
2024-12-25 stat.AP stat.ME
Cure Rate Joint Model for Time-to-Event Data and Longitudinal Tumor Burden with Potential Change Points
提出整合事件发生时间与纵向肿瘤负荷的治愈率联合模型,借助MCEM估计个体化变点,以识别进展模式并验证cemiplimab疗效。
2025-07-24 stat.AP stat.ME
A comparison between copula-based, mixed model, and estimating equation methods for regression of bivariate correlated data
University of Sydney(悉尼大学)
本文通过模拟和真实数据比较 GJRM、GLMM 与 GEE 在双变量纵向数据回归中的表现,发现非正态情况下 GLMM 系数有偏且拟合不稳定,而 GJRM 在 copula 正确指定时能提供无偏、准确且更灵活的估计。
2025-11-05 stat.AP stat.ME
Estimating the causal effects of multiple intermittent treatments with application to COVID-19
本文提出联合边际结构生存模型与连续时间加权策略,解决多种时变间歇性治疗的因果效应估计问题,并在大规模COVID-19数据集上验证了其对院内死亡和ICU入院的复合因果效应。
2023-08-04 stat.AP stat.ME
A review and evaluation of standard methods to handle missing data on time-varying confounders in marginal structural models
边际结构模型(MSM)通常用于估计纵向非随机研究中的因果干预效应。分析观察性研究数据时的一个常见问题是存在不完整的混杂数据,如果在统计分析中处理不当,可能导致干预效应估计值出现偏倚。然而,目前没有关于如何在实践中遇到的各种缺失机制下解决MSM协变量的缺失数据的建议。我们回顾了现有的方法来处理缺失数据在MSM和进行了模拟研究,以比较完整的情况下(CC)分析,最后一次观察结转(LOCF),缺失模式的方法(MPA),多重插补(MI)和缺失的逆概率加权(IPMW)的性能。我们考虑了使用电子健康记录数据的观察性研究中常见的非单调缺失数据的三种机制。而CC分析导致偏见的估计干预效果在几乎所有的情况下,其他方法的性能不同的场景。LOCF方法仅在特定的非随机机制下得出无偏估计,其中混杂值自上次测量以来保持不变时缺失。在这种情况下,MI、MPA和IPMW存在偏倚。在给定协变量或治疗的情况下,当数据随机随机缺失时,MI和IPMW导致无偏效应的估计,但当结局是缺失的预测因子时,只有MI是无偏的。此外,IPMW通常导致非常大的标准误。最后,无论缺失机制如何,只有当在给定时间点未能记录混杂因素改变了部分观察到的协变量与结局之间的后续关系时,MPA才导致无偏估计。
2019-11-28 stat.AP stat.ME
Generalized Correlation Regression for Disentangling Dependence in Clustered Data
University of Science and Technology of China(中国科学技术大学);Hong Kong Polytechnic University(香港理工大学);Temple University(天普大学)
针对聚类和纵向数据中非高斯响应的复杂相关结构,提出广义相关性回归(GCR)框架,直接将相关性建模为协变量函数并估计边际均值,在提升预测性能的同时揭示多层级依赖驱动因素。
2025-09-17 stat.AP stat.ME
Evaluating the performance of personal, social, health-related, biomarker and genetic data for predicting an individuals future health using machine learning: A longitudinal analysis
University of Liverpool(利物浦大学)
随着我们获得更深入和更广泛的个人健康相关信息,出现了三个问题:(1)我们能否建立更好的模型来预测个人水平的健康不良风险?(2)我们需要多少数据才能有效地预测健康状况?(3)是否需要新的方法来处理新形式数据带来的额外复杂性?该研究的目的是应用机器学习方法来确定个人,社会,健康相关,生物标志物和遗传数据作为个人未来健康预测因子的相对贡献。使用来自理解社会的6830名英国人的纵向数据(2010-12至2015-17),该研究比较了五种类型的指标的预测性能:个人(如年龄、性别)、社会(如职业、教育)、与健康有关的例如,体重、握力、生物标志物(例如,胆固醇、激素)和遗传单核苷酸多态性(SNP)。预测的结果变量是限制长期疾病从基线1年和5年。使用两种机器学习方法来构建预测模型:通过神经网络进行深度学习和XGBoost(梯度提升决策树)。将模型拟合与传统的逻辑斯谛回归模型进行比较。结果发现,与健康相关的措施对未来健康状况的预测最强,遗传数据表现不佳。当与逻辑斯谛回归模型相比时,机器学习模型仅在模型准确性方面提供了边际改进,但在其他指标上也表现良好,例如神经网络在AUC和XGBoost上的精度最好。该研究表明,数据和方法的日益复杂并不一定转化为对健康决定因素或健康状况不佳预测模型性能的更好理解。
2021-04-26 cs.LG stat.AP stat.ML
Bayesian model selection on linear mixed-effects models for comparisons between multiple treatments and a control
我们提出了一种新的贝叶斯模型选择技术的线性混合效应模型比较多个治疗与控制。采用完全贝叶斯方法来估计边际纳入概率,该概率提供治疗和对照之间差异的直接测量,以及模型平均后验分布。缺省先验提出了结合领域知识的模型选择,并开发了一种有效的后验计算的组件式吉布斯采样器。我们证明了所提出的方法的基础上模拟数据和实验数据集从小鼠寿命和体重轨迹的纵向研究。
2015-09-24 stat.AP stat.ME