基于最小随机斜率检测儿童生长迟缓
应用统计
2018-12-17 v1
摘要
当儿童的身高或体重相对于合适的参照人群开始下降时，即被认为出现生长迟缓。然而，目前在用于刻画随时间生长的人体测量指标的选择以及生长迟缓的操作性定义上均缺乏共识。Cole的经典条件标准差分数是一种常用指标，但可能存在问题，因为它仅利用两个数据点且依赖于数据的完整性。在现有文献中，常使用任意阈值来定义生长迟缓，这可能并不适用于所有人群。在本文中，我们提出通过由分段线性混合模型导出的最小随机斜率（MRS）来评估生长迟缓。当与基于混合模型的分类结合使用时，MRS提供了一种在不依赖任意标准的情况下识别生长迟缓儿童的可行方法。我们通过一项模拟研究来说明我们的工作，并将其应用于基于比尔及梅琳达·盖茨基金会资助的健康出生、成长与发展知识整合（HBGDki）项目中的一个出生队列的案例分析。
引用
@article{arxiv.1812.05903,
title = {Detecting Faltering Growth in Children via Minimum Random Slopes},
author = {Jarod Y. L. Lee and Craig Anderson and Wai T. Hung and Hon Hwang and Louise M. Ryan},
journal= {arXiv preprint arXiv:1812.05903},
year = {2018}
}