贝叶斯动态网络建模：在心血管疾病代谢关联中的应用
统计方法学
2022-07-28 v1
摘要
我们提出一种估计多个图模型的新方法，以分析一组代谢物在不同患者组中随时间变化的关联模式。我们的动机应用是 Southall And Brent REvisited（SABRE）研究，一项在英国开展的三族群队列研究。我们感兴趣于识别代谢物水平与关联的潜在族群差异及其随时间演变，以期更好地理解不同族群间心肺代谢疾病风险的差异。在贝叶斯框架下，我们采用节点回归方法推断图的结构，跨时间以及跨族群借用信息。关注的响应变量为在两个时间点、两个族群（欧洲人与南亚人）测量的代谢物水平。我们使用节点回归估计代谢物的高维精度矩阵，通过动态马蹄形先验对回归系数施加稀疏性，从而偏好更稀疏的图。我们提供使用软件 Stan 拟合所提模型的代码，Stan 采用哈密顿蒙特卡洛采样进行后验推断，并给出分块 Gibbs 采样方案的详细描述。
引用
@article{arxiv.2207.13418,
title = {Bayesian Dynamic Network Modelling: an application to metabolic associations in cardiovascular diseases},
author = {Marco Molinari and Andrea Cremaschi and Maria De Iorio and Nishi Chaturvedi and Alun Hughes and Therese Tillin},
journal= {arXiv preprint arXiv:2207.13418},
year = {2022}
}