面向Adolescent Brain and Cognitive Development研究的贝叶斯集成混合建模框架
统计方法学
2025-01-30 v1 应用统计
摘要
整合来自多中心队列研究的高维异构数据并具有复杂层次结构，对特征选择和预测提出了显著挑战。我们扩展了贝叶斯集成分析与预测 (BIP) 框架，以支持在具有嵌套层次结构的数据中进行同步特征选择和结果建模。我们将所提出的贝叶斯集成混合建模 (BIPmixed) 框架应用于青少年脑认知发展 (ABCD) 研究，利用包括结构和功能 MRI 以及早期生活不利因素 (ELA) 指标的多视图数据，识别相关特征并预测行为结果。BIPmixed 包含两层嵌套随机效应，以增强可解释性并在层次结构数据环境中进行预测。模拟研究说明 BIPmixed 在不同随机效应设置下的鲁棒性，突出其用于复杂研究设计的价值。我们的发现表明，BIPmixed 在考虑嵌套抽样的同时有效地整合了多视图数据，成为分析大规模具有层次结构数据的有价值工具。
引用
@article{arxiv.2501.17705,
title = {A Bayesian Integrative Mixed Modeling Framework for Analysis of the Adolescent Brain and Cognitive Development Study},
author = {Aidan Neher and Apostolos Stamenos and Mark Fiecas and Sandra Safo and Thierry Chekouo},
journal= {arXiv preprint arXiv:2501.17705},
year = {2025}
}