npd用于有序数据模型评估的开发与性能评估

引言：归一化预测分布误差(npde)用于评估非线性混合效应模型中的连续响应。在本文中，我们的目标是将npde扩展用于有序分类数据，并评估其性能。我们将该方法应用于一个真实案例研究，描述重度乙鞘感染(足指病毒)的演变，比较两种治疗组。方法：设V表示一个包含有序分类观察值的数据集。原假设H0是V中的观察值可以由模型M描述。通过使用jittering技术将npde适用于有序分类观察，其理论标准正态分布可通过Kolmogorov-Smirnov检验进行评估。我们以模拟和与Chi-square检验比较的方式评估其性能。我们在真实案例研究中展示该检验和图表。结果：npd能够检测结构模型和模型参数值的误指定。如预期，检测模型误指定的检验功效随概率分布形状差异和样本量的增加而增加。Chi-square检验性能更好，但npd可在所有类型设计中轻松应用。基于足指数据，图表揭示基线模型存在巨大差异，而最佳模型拟合良好。结论：npde可扩展用于有序分类数据，特别是在设计不平衡的临床环境中，图表可用于评估模型以及协变量效应。