面向公共卫生中复发事件的贝叶斯动态图模型

为分析某些类型公共卫生干预的影响，我们需要估计适用于异质开放人群的处理效应与结局。动态修正包含风险组的人群，这些风险组对协变量变化反应迥异，在推断上极具挑战。本文我们提出一种称为约化动态链事件图（RDCEG）的新型贝叶斯图模型，专为此类人群定制。这些模型将基于树的链事件图推广至一类特定图形支持的半马尔可夫过程。它们提供了关于个体可能发生情形的自然语言解释与形式统计推断分析之间的接口。在此我们展示 RDCEG 如何能够表达每个易感个体的不同可能进展，以及关于该人群中不同个体间这些进展的概率对称性假设。我们展示了发展完善的贝叶斯网络技术如何几乎无缝地迁移至该类模型。我们的工作受非药物干预下复发事件过程建模挑战的驱动。我们在两个场景中阐释了我们的方法：一项减少老年人跌倒的干预，以及一项考察早期癫痫患者延迟治疗效应的试验。