用于理解和预测儿童纵向喘息模式的伯努利混合模型

在本研究中，我们估计在英国约有 $27.99(\pm2.15)\%$ 的人口在 1 岁前经历过喘息。此外，基于 $N=1184$ 的队列，发现伯努利混合模型（Bernoulli Mixture Model）分类在 $K=4$ 个簇时效果最佳，以更好地平衡簇的可分离性与其解释性。假定第 $j$ 个簇中父母群体在其孩子第 $i$ 个年龄时说孩子有过喘息的概率为 $P_{ij} \sim \text{Beta}(1/2, 1/2)$，分配到每个簇的概率为 $R \sim \text{Dirichlet}_K(\alpha)$，第 $n$ 个患者分配到每个簇为 $Z_n\ |\ R \sim \text{Categorical}(R)$，第 $n$ 个患者第 $i$ 个年龄喘息为 $X_{in}\ |\ P_{ij}, Z_n \sim \text{Bernoulli}(P_{i,Z_n})$；其中 $i\in\{1,\dots,6\}$，$j\in\{1,\dots,K\}$，且 $n\in\{1,\dots, N\}$。然后通过 E-M 优化算法执行分类。我们发现该聚类方法有效地将具有晚童期喘息、持续性喘息、早童期喘息以及无或偶发喘息的患者分组。此外，我们发现该方法不依赖于数据集，并且可以包含具有缺失项的数据集。