一种用于 COVID-19 死亡数据的稳健非线性混合效应模型
应用统计
2020-08-04 v2
摘要
由于若干固有特征，对诸如 COVID-19 死亡这类复杂纵向数据的分析具有挑战性：(i) 形状相似但衰减模式不同的曲线；(ii) 各国内部重复测量间无法解释的变异，这些重复测量因在大致相同时间对同一国家进行而可视为聚类数据；(iii) 响应变量中可能存在的偏态、离群值或偏重尾噪声。本文基于偏正态分布的尺度混合类，构建了一种稳健非线性混合效应模型用于建模 COVID-19 死亡数据，使分析人员能够在上述特征同时存在的情况下对这类数据进行建模。我们提出了一种高效的 EM 型算法来执行模型参数的最大似然估计。采用 bootstrap 方法确定非线性个体曲线的固有特征，如预测死亡数与拟合曲线的置信区间。目标是建模部分拉丁美洲国家的 COVID-19 死亡曲线，因为该地区已成为该疾病的新震中。此外，由于混合效应框架借鉴了总体平均效应的信息，在我们的分析中纳入了来自欧洲和北美、且其 COVID-19 死亡曲线处于更晚阶段的一些国家。
引用
@article{arxiv.2007.00848,
title = {A robust nonlinear mixed-effects model for COVID-19 deaths data},
author = {Fernanda L. Schumacher and Clecio S. Ferreira and Marcos O. Prates and Alberto Lachos and Victor H. Lachos},
journal= {arXiv preprint arXiv:2007.00848},
year = {2020}
}
备注
11 pages, 2 figures, 4 tables