基于非线性预测与信息论工具探究多元心血管相互作用中的高阶行为
定量方法
2025-12-16 v1 数据分析、统计与概率
摘要
评估由底层结构机制产生的协同高阶行为（HOBs）对于刻画复杂系统至关重要。本工作结合预测性与信息度量来检测和量化合成与生理网络系统中的HOBs。在给出复杂系统中机制与行为的形式化定义后，定义了统计协同度量，即整体-之和的互预测性（Δ_MP）或互信息（Δ_MI）超额，后者通过将系统视为整体而非其单元的组合来计算。这两种度量通过基于非线性预测和熵估计的无模型方法进行计算。对模拟线性高斯系统和非线性确定性及随机动态系统的应用表明，当目标变量受单一独立源变量的加性效应影响时Δ_MP趋于消失，而在源之间存在群体交互时为正；Δ_MI则表现出更高的正值倾向。对生理变量的分析显示，在考察收缩压和舒张压对平均动脉压的加性效应时Δ_MI具有显著值，在评估舒张压如何由前射血时间和左心室射血时间调节时Δ_MP和Δ_MI均具有显著值。信息论度量能更清晰地识别HOBs，而预测度量对系统分析所遵循的规则产生的协同性更为敏感，而非纯粹的统计依赖性。通过对结构机制敏感的度量来量化HOBs，可提供评估心血管网络生理病理改变的生物标志物。
引用
@article{arxiv.2512.12709,
title = {Investigating High-Order Behaviors in Multivariate Cardiovascular Interactions via Nonlinear Prediction and Information-Theoretic Tools},
author = {Chiara Barà and Yuri Antonacci and Laura Sparacino and Helder Pinto and Michal Javorka and Sebastiano Stramaglia and Luca Faes},
journal= {arXiv preprint arXiv:2512.12709},
year = {2025}
}