基于联合模型的贝叶斯特征选择及其在心血管疾病队列研究中的应用
统计方法学
2024-12-03 v1
摘要
心血管疾病（CVD）队列研究纵向收集数据，以探讨CVD风险因素与事件发生时间之间的关联。重要的科学研究领域在于更好地了解哪些CVD风险因素轨迹的特征与疾病相关。我们发展了用于联合模型中特征选择的方法，将特征选择视为具有多个嵌套于多个纵向风险因素内的特征的双层变量选择问题。我们修改了之前提出的贝叶斯稀疏组选择（BSGS）先验，该方法直至此前尚未在联合模型中实现，以更好地代表在选择纵向风险因素（组级）及组内特征（风险因素的特征）时对先验信念的表示。与BSGS方法相比，我们方法的一个优势在于能够考虑风险因素内特征之间的相关性。因此，它在选择重要特征方面效果相似，但比BSGS更有效地排除风险因素内的无关特征。我们通过仿真实验评估了该先验，并将其应用于阿斯特罗孔洞风险社区（ARIC）研究的数据，该研究是由超过15,000名45至64岁男女组成的、在基线及六次随访中进行测量的人群基线纵向队列研究。我们评估了哪些CVD风险因素及其轨迹的哪些特征特征（特征）与CVD死亡相关。我们发现，收缩压和舒张压、血糖和总胆固醇是重要的风险因素，在男性和女性中均与CVD死亡相关的不同重要特征。
引用
@article{arxiv.2412.00885,
title = {Bayesian feature selection in joint models with application to a cardiovascular disease cohort study},
author = {Mirajul Islam and Michael J. Daniels and Zeynab Aghabazaz and Juned Siddique},
journal= {arXiv preprint arXiv:2412.00885},
year = {2024}
}