带目标平滑的 BART：患者特异性死产风险分析
统计方法学
2019-06-04 v7
摘要
本文介绍了带目标平滑的 BART（即 tsBART），一种用于非参数回归的新的基于贝叶斯树的模型。tsBART 的目标是在单一目标协变量 t 上引入平滑性，同时不必然要求其他协变量 x 上的平滑性。tsBART 基于贝叶斯加性回归树（BART）模型，即回归树的集成。tsBART 通过将每棵树的终端节点参数化为 t 的光滑函数而非独立标量来扩展 BART。与 BART 一样，tsBART 捕捉预测变量间复杂的非线性关系与交互。但与 BART 不同，tsBART 保证响应面在目标协变量上是光滑的。这改善了可解释性并有助于正则化估计。在介绍并对 tsBART 模型进行基准测试后，我们将其应用于我们的 motivating 示例：来自国家卫生统计中心的妊娠结局数据。我们的目标是基于母体和胎儿风险因素（x），提供跨孕龄（t）的患者特异性死产风险估计。产科医生期望死产风险随孕龄平滑变化，但不一定随其他协变量平滑变化，而 tsBART 正是为反映这一结构知识而设计。我们的分析结果显示 tsBART 模型在量化死产风险方面具有明显优越性，从而为患者在管理围产期死亡风险方面提供更好的信息。此处描述的所有方法均在 R 包 tsbart 中实现。
引用
@article{arxiv.1805.07656,
title = {BART with Targeted Smoothing: An analysis of patient-specific stillbirth risk},
author = {Jennifer E. Starling and Jared S. Murray and Carlos M. Carvalho and Radek K. Bukowski and James G. Scott},
journal= {arXiv preprint arXiv:1805.07656},
year = {2019}
}