svReg：结构化变系数回归，以区分不同区域脑萎缩如何影响亨廷顿病各严重程度组的运动障碍
统计方法学
2020-07-14 v1
摘要
对于亨廷顿病，识别与运动障碍相关的大脑区域有助于开发干预措施以缓解该病的主要症状——运动症状。然而，不同患者群体中大脑区域对运动障碍的影响可能有所不同。因此，我们不仅希望识别出大脑区域，还希望了解它们对运动障碍的影响如何因患者群体而异。这可以表述为变系数回归的模型选择问题。然而，当变量之间存在预先指定的组结构时，这极具挑战性。我们针对具有此类结构化变量的变系数回归，提出了一种新颖的变量选择方法。经验证，我们的方法能一致地选择相关变量。此外，我们的方法比现有方法能更好地筛选无关变量。因此，与现有方法相比，我们的方法构建的模型具有更高的灵敏度、更低的错误发现率和更高的预测准确率。最后，我们发现大脑区域对运动障碍的影响因患者的疾病严重程度而异。据我们所知，我们的研究是首个识别出疾病严重程度与大脑区域之间这种交互效应的研究，这表明需要根据疾病严重程度进行定制化干预。
引用
@article{arxiv.2007.06076,
title = {svReg: Structural Varying-coefficient regression to differentiate how regional brain atrophy affects motor impairment for Huntington disease severity groups},
author = {Rakheon Kim and Samuel Mueller and Tanya P. Garcia},
journal= {arXiv preprint arXiv:2007.06076},
year = {2020}
}