用于结构相关矩阵参数抽样的新型算法及其在估算Duchenne肌�肉萎缩症生物标志物最优组合中的应用
统计方法学
2025-06-30 v1
摘要
本文旨在估计Duchenne肌�肉萎缩症 (DMD)患者的最优生物标志物组合，从而提供对疾病进展最敏感的生物标志物组合（本文中，以标准化响应均值(SRM)为优化准则，对4种肌肉生物标志物进行优化）。生物标志物数据为不完整（缺失且规则不一）的多变量纵向数据。我们提出一种针对本研究场景设计的结构化协方差正态模型。为抽样参数后验分布，我们发展出一种Markov链蒙特卡罗 (MCMC)算法，以解决结构化相关矩阵上正定性约束问题。具体而言，我们提出一种新方法来计算结构化相关矩阵参数的支持集；我们修改了\cite{Barnard}的方法，针对相关矩阵中最大可能子矩阵的集合，其中相关参数为唯一元素。对于每个后验样本，我们计算本构的优化权重。我们进行数据分析和模拟研究，以评估算法以及参数相关性和权重后验的频率学属性。我们发现下肢肌肉在早期和晚期肌肉无力疾病阶段最具响应性，而肱二头肌在非肌肉无力疾病阶段最具响应性。
引用
@article{arxiv.2506.21719,
title = {A new algorithm for sampling parameters in a structured correlation matrix with application to estimating optimal combinations of muscles to quantify progression in Duchenne muscular dystrophy},
author = {Michael K. Kim and Michael J. Daniels and William D. Rooney and Rebecca J. Willcocks and Glenn A. Walter and Krista H. Vandenborne},
journal= {arXiv preprint arXiv:2506.21719},
year = {2025}
}