贝叶斯轮廓回归模型中考虑平行换气与后处理程序比较：针对生存结果和相关暴露
统计方法学
2025-12-30 v1 应用统计
摘要
贝叶斯轮廓回归混合模型（BPRM）允许评估多暴露人群中的健康风险。这些混合模型根据暴露轮廓和健康风险对个体进行聚类。然而，这些模型基于蒙特卡洛-马尔可夫链（MCMC）算法的结果在不同应用案例中不稳定。我们认为导致这种不稳定性的两个原因：MCMC算法可能陷入后验分布的局部模态，且后处理程序的选择导致不同的聚类结构。在本文中，我们改进了之前研究中提出的MCMC算法，以避免后验分布的局部模态，同时减少计算时间。我们还进行了模拟研究，比较不同MCMC算法和后处理程序的性能，以提供使用指南。最后，我们考虑了一个放射性流行病学应用案例。
引用
@article{arxiv.2512.23571,
title = {Considering parallel tempering and comparing post-treatment procedures in Bayesian Profile Regression Models for a survival outcome and correlated exposures},
author = {Fendler Julie and Guihenneuc Chantal and Ancelet Sophie},
journal= {arXiv preprint arXiv:2512.23571},
year = {2025}
}