用于序列相关函数型数据的贝叶斯半参数函数型混合模型及其在青光眼数据中的应用
统计方法学
2018-05-08 v2
摘要
青光眼是致盲的主要原因，其特征是与国际眼压（IOP）相关的视神经损伤，但其完整病因尚不清楚。UAB 的研究人员设计了一种定制设备，用于在固定 IOP 水平下连续测量眼睛周围的巩膜应变，本文使用该设备评估应变如何围绕后极变化、随 IOP 变化以及跨越年龄等青光眼风险因素变化。假设为巩膜应变随年龄下降，这可能改变视神经头的生物力学并导致最终可能引发青光眼的损伤。为验证该假设，我们改进了贝叶斯函数型混合模型来建模这些复杂数据，其由球状巩膜表面上的相关函数构成，具有允许在巩膜表面上幅度和平滑度变化非参数年龄效应、捕捉受试者内相关的多水平随机效应函数，以及捕捉可围绕巩膜表面变化的跨 IOP 序列相关的函数型生长曲线项。我们的方法给出了巩膜表面或其任何聚合或变换上的完全贝叶斯推断，并揭示了关于青光眼生物力学病因的有趣见解。所描述的一般建模框架非常灵活，适用于许多复杂、高维函数型数据。
引用
@article{arxiv.1802.08727,
title = {Bayesian Semiparametric Functional Mixed Models for Serially Correlated Functional Data, with Application to Glaucoma Data},
author = {Wonyul Lee and Michelle F. Miranda and Phlip Rausch and Veerbhadran Baladandayuthapani and Massimo Fazio and J. Crawford Downs and Jeffrey S. Morris},
journal= {arXiv preprint arXiv:1802.08727},
year = {2018}
}
备注
paper accepted in Journal of the American Statistical Association, 2018 -- to appear