面向纵向片段数据的条件分位数轨迹动态建模及其在阿尔茨海默病患者认知衰退中的应用
统计方法学
2017-02-13 v3
摘要
纵向数据常常面临测量可用时间点稀疏的问题。函数型数据分析视角已被证明为处理测量稀疏但时间在区间内随机分布的情况提供了一种有效且灵活的方法。本文聚焦于另一种场景，即可用数据可被描述为片段（snippets），即非常短的纵向测量片段。对于每个受试者，可用数据片段远短于所关注的时间框架，这在加速纵向研究中常见。当通常纵向建模所需的基本时间代理不可用时，会引入额外的挑战。这种情况出现在阿尔茨海默病及类似场景中，研究者关注衰退表现的时间动态，但疾病发作时间未知，且实际年龄无法为纵向建模提供有意义的时间参考。我们的主要方法学贡献是用一种新颖的方法来解决这一问题。我们方法的关键量是单调过程的条件分位数轨迹，这些轨迹作为动态系统的解出现，我们为其获得了一致估计。这些轨迹被证明可用于描述随时间量化的衰退过程，例如阿尔茨海默病患者的海马体积。
引用
@article{arxiv.1606.00991,
title = {Dynamic Modeling with Conditional Quantile Trajectories for Longitudinal Snippet Data, with Application to Cognitive Decline of Alzheimer's Patients},
author = {Matthew Dawson and Hans-Georg Müller},
journal= {arXiv preprint arXiv:1606.00991},
year = {2017}
}