利用视野数据监测青光眼进展的空间变点模型
应用统计
2018-11-28 v1
摘要
由视野(VF)数据度量的青光眼疾病进展通常定义为相对平稳期之后在某时间点视觉能力突降。确定疾病轨迹向更严重状态的转变点对于疾病管理与避免不可逆视力丧失具有重要临床意义。基于此,我们提出一个统一的统计建模框架,可预测未来视力丧失的时间与空间位置,并为有关疾病进展的临床决策提供信息。所发展方法结合解剖学信息以建立生物学上合理的数据生成模型。我们通过引入空间变系数模型实现这一点,该模型包含空间变点以检测 VF 数据均值与方差过程在时空上的结构偏移。VF 位置特定的变点表示疾病轨迹真实改变潜在的、且可能被删失的时间,同时引入多元空间边界检测结构以考虑 VF 与视盘复杂的空间连通性。我们通过模拟与真实数据应用表明,相较现有方法,我们的方法改善了疾病管理多个方面的估计与预测。R 包 spCP 实现了该新方法。
引用
@article{arxiv.1811.11038,
title = {A spatially varying change points model for monitoring glaucoma progression using visual field data},
author = {Samuel I. Berchuck and Jean-Claude Mwanza and Joshua L. Warren},
journal= {arXiv preprint arXiv:1811.11038},
year = {2018}
}
备注
This is a preprint of an article submitted for publication in Spatial Statistics (https://www.journals.elsevier.com/spatial-statistics). The article contains 42 pages, 4 figures, 5 tables and 1 video