基于 Kronecker 结构的异构临床试验结果的多输出高斯过程
统计方法学
2024-08-29 v2 应用统计
摘要
我们利用 Kronecker 结构来扩展适用于大规模异构临床数据集的高斯过程模型。临床研究中常进行的重复测量，促进了对非线性贝叶斯非参数模型的计算加速，并在观察到连续和离散端点的组合时实现非共轉推断的精确抽样。模型在 Stan 中进行推断，并与 brms 在模拟数据和两个真实临床数据集（遵循放射学图像质量主题）之间进行比较。规模化的高斯过程模型在具有 17,460 条观测数据的真实数据集上表现优于参数模型。探索了不同的 GP 模型规格，其中包含类似随机效应的组件，并对其理论属性进行了描述。
关键词
引用
@article{arxiv.2407.13283,
title = {Heterogeneous Clinical Trial Outcomes via Multi-Output Gaussian Processes},
author = {Owen Thomas and Leiv Rønneberg},
journal= {arXiv preprint arXiv:2407.13283},
year = {2024}
}