潜类别分析的变量选择及其在下腰痛诊断中的应用
统计方法学
2018-02-06 v2 应用统计
统计计算
摘要
识别与下腰痛疾病最相关的临床标准可能有助于评估疼痛性质，从而有效指导患者评估和治疗。下腰痛数据可能具有分类性质，以检查表形式呈现，其中每项表示临床病症的存在或缺失。潜类别分析是一种针对多元分类响应的基于模型的聚类方法，可应用于此类数据以进行疼痛类型的初步诊断。本文提出一种用于潜类别分析的变量选择方法，应用于检测数据中群体结构最有用的变量选择。该方法基于比较两个不同模型，并允许丢弃那些无群体信息的变量以及那些携带与已选变量相同信息的变量。我们考虑一种交换逐步算法，其中每一步通过贝叶斯因子近似比较模型。该方法应用于选择最有助于将患者聚类为不同类别的临床标准。结果表明其执行了简洁的变量选择，并给出了与基于专家的患者三类疼痛分类相当的聚类性能。
引用
@article{arxiv.1512.03350,
title = {Variable Selection for Latent Class Analysis with Application to Low Back Pain Diagnosis},
author = {Michael Fop and Keith Smart and Thomas Brendan Murphy},
journal= {arXiv preprint arXiv:1512.03350},
year = {2018}
}
备注
Published in The Annals of Applied Statistics by the Institute of Mathematical Statistics