面向多队列数据的贝叶斯结构方程建模
应用统计
2020-12-23 v1
摘要
尽管众所周知高水平产前酒精暴露（PAE）会导致儿童显著认知缺陷，但其剂量反应的确切性质尚不清楚。特别是，迫切需确定与临床显著不良效应风险增加相关的PAE水平。为解决此问题，我们合并了美国六项纵向出生队列研究的数据，这些研究评估了PAE对从学龄前至青春期测量的认知结果的影响。结构方程模型（SEM）常用于捕捉多个观测结果间的关联，以刻画潜在关注变量（此处为认知）并进而将其与PAE关联。然而，由于六项研究测量的结果不同，在此背景下无法应用经典SEM软件。本文展示如何使用贝叶斯方法拟合多组多层结构模型，将认知映射到多个年龄测量的广泛观测变量。这些变量映射到若干不同认知子域，并在使用倾向得分调整混杂后考察其与PAE的关系。该模型还检验了剂量反应函数中存在变点的可能性。
引用
@article{arxiv.2012.12085,
title = {Bayesian structural equation modeling for data from multiple cohorts},
author = {Khue-Dung Dang and Louise M. Ryan and Tugba Akkaya-Hocagil and Richard J. Cook and Gale A. Richardson and Nancy L. Day and Claire D. Coles and Heather Carmichael Olson and Sandra W. Jacobson and Joseph L. Jacobson},
journal= {arXiv preprint arXiv:2012.12085},
year = {2020}
}