用于融合Lasso惩罚非线性混合效应模型的SAEM算法：在药代动力学群组比较中的应用
统计计算
2017-09-28 v2 统计方法学
摘要
非线性混合效应模型是分析许多领域（如群体药代动力学）中非线性纵向数据的经典工具。观测组通常通过引入作为二元协变量的组别归属并与其中指定的参考组进行比较。该方法相对有限，因为它只允许参考组与其他组比较。本工作中，我们提出使用惩罚似然方法比较各组。各组由相同结构模型描述，但具有组特定参数。似然被融合Lasso惩罚，该惩罚在固定效应和随机效应方差的组间差异上诱导稀疏性。提出了一种惩罚随机近似EM算法，并与交替方向乘子法结合以解决最大化步骤。广泛的模拟研究说明了该算法在比较两组以上时的性能。然后将该方法应用于来自两项药代动力学药物相互作用试验的真实数据。
引用
@article{arxiv.1502.07458,
title = {A SAEM Algorithm for Fused Lasso Penalized Non Linear Mixed Effect Models: Application to Group Comparison in Pharmacokinetic},
author = {Edouard Ollier and Adeline Samson and Xavier Delavenne and Vivian Viallon},
journal= {arXiv preprint arXiv:1502.07458},
year = {2017}
}