基于随机变化点与异质随机效应的生长曲线多分类
统计方法学
2019-09-18 v1 应用统计
摘要
儿童生长迟缓是一种在中低收入国家普遍存在的营养问题；通常定义为与同年龄同性别人群参考健康群体相比更慢的生长速率。由于生长迟缓与身体、智力和经济生产力潜力的降低密切相关，识别生长迟缓儿童并能够刻画不同生长模式十分重要，以便设计和实施针对性治疗。我们引入一种用于生长轨迹的多分类模型，其灵活扩展了当前称为断棒模型的分类方法，断棒模型是一种在固定节点位置处具有断点的分段线性模型。儿童间生长模式的异质性通过混合分布随机效应捕捉，其中混合成分决定儿童到子组的分类。混合分布使用狄利克雷过程先验建模，避免了选择“真实”混合成分数量的需要，并允许其由数据复杂度驱动。由于儿童在生长阶段起始上存在个体差异，我们引入儿童特定的随机变化点。模拟结果表明，随机变化点模型优于断棒模型，因其对节点位置限制更少。我们在比尔及梅琳达·盖茨基金会资助的 Healthy Birth, Growth and Development 知识整合项目的纵向出生队列上展示了我们的模型。分析揭示了人群中 9 个在出生至一岁间表现出不同迟缓趋势的儿童子组。
引用
@article{arxiv.1909.07550,
title = {Multiclass classification of growth curves using random change points and heterogeneous random effects},
author = {Vincent Chin and Jarod Y. L. Lee and Louise M. Ryan and Robert Kohn and Scott A. Sisson},
journal= {arXiv preprint arXiv:1909.07550},
year = {2019}
}