用于相关二元数据的嵌套部分潜类模型；估计疾病病因

儿童健康肺炎病因研究（PERCH）旨在利用现代测量技术推断缺乏金标准证据的肺炎病因。本文描述了一种潜变量模型，旨在从病例对照数据推断病例总体的病因分布，以及给定个体测量值的单个病例的病因。我们假设每个观测来自一个混合模型，其中每个分量代表一种原因或疾病类。该模型通过考虑给定疾病类时多元二元结局之间的残余依赖性，解决了传统潜类方法的主要局限性，从而减小估计偏差、保持效率并提供更有效的推断。这种对单个受试者的“局部依赖性”是通过在每个疾病类中嵌套潜子类而在模型中引入的。测量精度和协变可利用已知类别的对照样本来估计。在贝叶斯框架下，我们对子类指示变量使用折棍先验（stick-breaking priors），以跨越不同子类数量进行模型平均推断。模型拟合评估和个体诊断通过使用吉布斯抽样抽取的后验样本完成。我们在模拟数据和作为研究动机的PERCH数据上展示了该方法的效用。