函数型回归中的多重插补及其在抑郁症研究EEG数据中的应用
应用统计
2020-12-07 v2
摘要
电流源密度（CSD）功率不对称性是从脑电图（EEG）导出的一种度量，是重性抑郁障碍（MDD）的潜在生物标志物。尽管该度量本质上为函数型（定义于频域），通常在分析前被简化为标量值，可能掩盖脑功能与MDD间的关系。为克服此问题，我们利用一项大型临床研究数据，拟合函数型回归模型以估计CSD功率不对称性与MDD诊断状态之间的关联，并对年龄、性别、认知能力和利手进行校正。遗憾的是，近40%的观测缺失其函数型EEG数据、认知能力评分或两者皆缺。为利用所有可用数据，我们提出链式方程多重插补的扩展以同时处理标量与函数型数据。我们还提出Rubin法则的扩展，用于对多重插补数据集的估计进行合并以进行有效推断。我们在模拟研究中考察所提扩展的性能，并将其应用于临床研究数据。我们的分析揭示，CSD功率不对称性与诊断状态间的关联依赖于年龄和性别。
引用
@article{arxiv.2001.08175,
title = {Multiple imputation in functional regression with applications to EEG data in a depression study},
author = {Adam Ciarleglio and Eva Petkova and Ofer Harel},
journal= {arXiv preprint arXiv:2001.08175},
year = {2020}
}