一种用于混合类型多变量纵向数据聚类的联合建模方法：在 CHILD 队列研究中的应用
统计方法学
2023-03-22 v2 应用统计
摘要
在流行病学与临床研究中，基于纵向剖面识别患者表型对理解疾病发展模式至关重要。本研究受加拿大出生队列研究 CHILD Cohort Study 数据所推动。我们的目标是通过多个纵向呼吸性状将参与者聚类为具有相似纵向呼吸剖面的亚组，以识别具有临床相关性的疾病表型。为恰当考虑这些纵向标记的不同结构与类型，我们提出了一种用于聚类混合类型（连续、离散与分类）多变量纵向数据的新颖联合模型。我们还开发了马尔可夫链蒙特卡洛（MCMC）算法来估计模型参数的后验分布。本文给出并讨论了 CHILD 队列数据与模拟数据的分析。我们的研究表明，所提模型可作为聚类多变量混合类型纵向数据的有用分析工具。我们开发了 R 包 BCClong 以高效实现所提模型。
引用
@article{arxiv.2210.08385,
title = {A Joint Modeling Approach for Clustering Mixed-Type Multivariate Longitudinal Data: Application to the CHILD Cohort Study},
author = {Zhiwen Tan and Chang Shen and Padmaja Subbarao and Wendy Lou and Zihang Lu},
journal= {arXiv preprint arXiv:2210.08385},
year = {2023}
}
备注
21 pages, 4 figures, 2 tables