动态血压动力学的贝叶斯分析及其在不规则间隔稀疏数据中的应用
应用统计
2017-01-11 v2
摘要
动态心血管(CV)测量在“真实生活”日常环境中为个体健康状况提供了宝贵见解。当前建模动态CV数据的方法未考虑完整数据集的动态特征及其与协变量（如咖啡因摄入和压力）的关系。我们提出一种以双非线性Ornstein--Uhlenbeck (OU)模型形式存在的随机微分方程(SDE)，带有个体特定协变量，以捕捉动态CV数据的晨峰和夜间下降动态。为规避经验测量通常以不规则且比SDE模拟研究中所评估时间间隔大得多的方式收集这一数据分析限制，我们采用带有正则化布朗桥采样器(RBBS)和高效多分辨率(MR)算法的贝叶斯方法来拟合所提SDE。MR算法能产生更高效的MCMC样本，这对于有效的参数估计和推断至关重要。将该模型和算法用于Duke Behavioral Investigation of Hypertension Study的数据，结果表明年龄、咖啡因摄入、性别和种族对参与者CV轨迹的不同动态特征有影响。
引用
@article{arxiv.1511.05372,
title = {Bayesian analysis of ambulatory blood pressure dynamics with application to irregularly spaced sparse data},
author = {Zhao-Hua Lu and Sy-Miin Chow and Andrew Sherwood and Hongtu Zhu},
journal= {arXiv preprint arXiv:1511.05372},
year = {2017}
}
备注
Published at http://dx.doi.org/10.1214/15-AOAS846 in the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)