面向稀疏函数数据的基于回归的主成分分析及其在筛查生长路径中的应用

生长曲线图广泛用于儿科护理中，以评估儿童体型测量（如身高或体重）。现有的生长曲线图在单一给定年龄筛查一种体型。然而，当一个儿童具有随时间变化的多次测量并表现出一条生长路径时，如何以严谨且定量的方式联合评估这些测量在文献中很大程度上仍处于未发展阶段。在本文中，我们开发了一种构建生长路径生长曲线图的新方法。开发了一种使用交替回归的新估计算法，以获得生长路径（稀疏函数数据）的主成分表示。该新算法不依赖强分布假设，计算稳健，且易于纳入受试者层面协变量，如父母信息。进行了模拟研究以调查所提方法的性能，包括与现有方法的比较。当所提方法被应用于监测一组芬兰青少年的青春期生长时，产生了有趣的见解。