协变量相关随机划分模型中的变量选择：在尿路感染中的应用
应用统计
2015-07-13 v2
摘要
下尿路症状（LUTS）可提示尿路感染（UTI）的存在，该病症若转为慢性，则需要昂贵且耗时的护理，并导致生活质量下降。从最早的症状中检测感染的存在与严重程度因而极具价值。通常，以尿液样本中测得的白细胞计数（WBC）来评估 UTI。我们考虑了1341名首次就诊且诊断为 UTI（即 WBC）患者的临床数据。此外，为每位患者记录了34种症状的临床档案。本文提出一种基于狄利克雷过程（DP）先验的贝叶斯非参数回归模型，旨在依据 WBC（响应变量）与症状档案中的可能模式（协变量）为患者提供具有临床意义的聚类。这是通过对症状及响应变量设定概率模型实现的。为识别与 UTI 最相关的症状，我们对回归系数指定了尖峰- slab 基测度：这诱导了症状选择对聚类分配的依赖。后验推断通过马尔可夫链蒙特卡洛方法执行。
引用
@article{arxiv.1501.03537,
title = {Variable Selection in Covariate Dependent Random Partition Models: an Application to Urinary Tract Infection},
author = {William Barcella and Maria De Iorio and Gianluca Baio and James Malone-Lee},
journal= {arXiv preprint arXiv:1501.03537},
year = {2015}
}
备注
Revised version. 24 pages, 6 figures