周玲（Zhou，Ling）;孙石泉;傅浩达;彼得·X·K·宋。 用于分析个人治疗效果的子组效应模型。 （英语） Zbl 1498.62278号 附录申请。斯达。 16，第1号，80-103（2022）. 小结：精密医学的新兴领域正在将统计分析从人口平均治疗效果的经典范式转变为个人治疗效果的范式。这项新的科学任务要求有足够的统计方法来评估回归分析中的异质协变量效应。本文重点研究由两个主要分析任务组成的亚组分析：识别治疗效果亚组和个体组成员，以及按亚组对治疗效果进行统计推断。我们提出了一种通过交替方向乘数法（ADMM）算法和通过期望最大化（EM）算法对子群效应进行统计推断来协同监督聚类分析的方法。我们提出的程序称为子群分析的混合运算（HOSA），具有计算速度和数值稳定性以及可解释性和再现性。我们为提出的聚类和推理过程建立了关键的理论属性。数值说明包括对两项随机临床试验的激励数据进行广泛的模拟研究和分析，以了解亚组治疗效果。 引用于1文件 MSC公司： 62页第10页 统计学在生物学和医学中的应用；元分析 10层62层 点估计 62H30型 分类和区分；聚类分析（统计方面） 关键词：ADMM算法;EM算法;最大似然;精密医学;监督聚类 软件：D-ADMM公司;RACQP公司;液晶毫米 PDF格式BibTeX公司 XML格式引用 \textit{L.Zhou}等人，Ann.Appl。Stat.16，No.1，80--103（2022；Zbl 1498.62278） 全文： 内政部 参考文献： [1] 阿克曼，第（1992）条。发现大脑。美国国家科学院出版社，华盛顿。 [2] Anandkumar，A.、Ge，R.、Hsu，D.、Kakade，S.M.和Telgarsky，M.（2014）。用于学习潜在变量模型的张量分解。J.马赫。学习。物件。15 2773-2832. ·Zbl 1319.62109号 [3] Balakrishnan，S.、Wainwright，M.J.和Yu，B.（2017年）。EM算法的统计保证：从人口到基于样本的分析。安。统计师。45 77-120. ·Zbl 1367.62052号 ·doi:10.1214/16-AOS1435 [4] BELLINGER，D.、STILES，K.和NEEDLEMAN，H.（1992年）。低水平铅暴露、智力和学术成就：一项长期随访研究。儿科90 855-861. [5] Biernacki，C.、Celeux，G.和Govaert，G.（2000）。用综合完全似然法评估用于聚类的混合模型。IEEE传输。模式分析。机器。智力。22 719-725. [6] BOIVIN，M.和GIORDANI，B.（1995年）。儿童铅中毒神经心理影响的风险评估。神经心理学博士。11 157-180. [7] Boyd，S.、Parikh，N.、Chu，E.、Peleato，B.和Eckstein，J.（2011）。通过交替方向乘数法进行分布式优化和统计学习。已找到。趋势马赫数。学习。3 1-122. ·Zbl 1229.90122号 [8] CHAGANTY，A.T.和LIANG，P.（2013）。估计线性回归混合的谱专家。在机器学习国际会议1040-1048. [9] CHEN，J.、LI，P.和FU，Y.（2012）。正常混合物顺序的推断。J.Amer。统计师。协会。107 1096-1105. ·Zbl 1443.62055号 [10] CHEN，Y.，YI，X.和CARAMANIS，C.（2018）。具有两个分量的混合回归的凸和非凸公式：Minimax最优速率。IEEE传输。Inf.理论64 1738-1766. ·Zbl 1464.62320号 ·doi:10.1109/TIT.2017.2773474 [11] CHI，E.C.和LANGE，K.（2015）。凸聚类的分裂方法。J.计算。图表。统计师。24 994-1013. ·doi:10.1080/10618600.2014.948181 [12] CRAWFORD，S.L.（1994）。拉普拉斯方法在有限混合分布中的应用。J.Amer。统计师。协会。89 259-267. ·Zbl 0795.62022号 [13] DASGUPTA，A.和RAFTERY，A.E.（1998年）。通过基于模型的聚类检测具有杂波的空间点过程中的特征。J.Amer。统计师。协会。93 294-302. ·Zbl 0906.62105号 [14] DEB，P.和HOLMES，A.M.（2000）。行为卫生保健的使用和成本估算：标准和有限混合模型的比较。健康经济。9 475-489. [15] Dempster，A.P.、Laird，N.M.和Rubin，D.B.（1977年）。通过EM算法从不完整数据中获得最大似然。J.罗伊。统计师。Soc.序列号。B类39 1-38. ·Zbl 0364.62022号 [16] DOBBIN，K.和SIMON，R.（2007）。使用高维DNA微阵列数据开发分类器的样本量规划。生物统计学8 101-117. ·Zbl 1170.62374号 [17] ELHAMIFAR，E.和VIDAL，R.（2013）。稀疏子空间聚类：算法、理论和应用。IEEE传输。模式分析。机器。智力。35 2765-2781. [18] ETTINGER，A.、HU，H.和HERNANDEZ-AVILA，M.（2007）。孕期和哺乳期膳食补钙可降低血铅水平。《营养学杂志》。生物化学18 172-178. [19] ETTINGER，A.、LAMADRID-FIGUEROA，H.、TELLEZ-ROJO，M.、MERCADO-GARCIA，A.、PETERSON，K.、SCHWARTZ，J.、HU，H.和HERNANDEZ-AVILA，M.（2009年）。补充钙对妊娠期血铅水平的影响：一项随机安慰剂对照试验。环境。健康展望。117 26-31. [20] Fan，J.和Li，R.（2001）。通过非冲突惩罚似然及其oracle属性进行变量选择。J.Amer。统计师。协会。96 1348-1360. ·Zbl 1073.62547号 ·doi:10.19198/0162114501753382273 [21] Frühwirth-Schnatter，S.（2006）。有限混合和马尔可夫切换模型.统计学中的斯普林格系列纽约州施普林格·Zbl 1108.6202号 [22] GABAY，D.和MERCIER，B.（1976年）。通过有限元近似求解非线性变分问题的对偶算法。计算。数学。申请。2 17-40. ·Zbl 0352.65034号 [23] GLOWINSKI，R.（2014年）。关于乘数的交替方向方法：历史视角。在科学技术建模、仿真与优化.计算。方法应用。科学。34 59-82. 多德雷赫特·施普林格·Zbl 1320.65098号 ·doi:10.1007/978-94-017-9054-34 [24] GRüN，B.和LEISCH，F.（2007年）。回归模型有限混合的应用。可在http://cran.r-project.org/web/packages/flexmix/vignettes/regression-examples.pdf。 ·Zbl 1445.62192号 [25] GUNTER，L.、ZHU，J.和MURPHY，S.A.（2011年）。定性交互的变量选择。统计方法。8 42-55. ·doi:10.1016/j.stamet.2009.05.003 [26] HU，H.，TéLLEZ-ROJO，M.，BELLINGER，D.，SMITH，D.，ETTINGER，A.，LAMADRID-FIGUEROA，H.、SCHWARTZ，J.，SCHNAAS，L.，MERCADO-GARCIA，A.等人（2006年）。妊娠各阶段胎儿铅暴露量作为婴儿智力发育的预测因素。环境。健康展望。114 1730-1735. [27] Jacobs，R.A.、Jordan，M.I.、Nowlan，S.J.和Hinton，G.E.（1991）。当地专家的适应性混合。神经计算。3 79-87. ·doi:10.1162/neco.1991.3.1.79 [28] Keribin，C.（2000年）。混合模型阶数的一致估计。SankhyáSer。A类62 49-66. ·Zbl 1081.62516号 [29] Ma，S.和Huang，J.（2017）。用于子群分析的凹成对融合方法。J.Amer。统计师。协会。112 410-423. ·doi:10.1080/01621459.2016.1148039 [30] MCLACHLAN，G.J.、LEE，S.X.和RATHNAYAKE，S.I.（2019年）。有限混合模型。每年。修订状态申请。6 355-378. ·doi:10.1146/annurev-statistics-031017-100325 [31] McLachlan，G.和Peel，D.（2000年）。有限混合模型.概率统计中的威利级数:应用概率统计Wiley Interscience，纽约·Zbl 0963.62061号 ·doi:10.1002/04471721182 [32] MCLACHLAN，G.J.和RATHNAYAKE，S.（2014）。关于高斯混合模型中的分量数。威利公司（Wiley Interdiscip）。版本数据最小知识。发现。4 341-355. [33] MIHI Ch，K.、ZHU，M.和YE，Y.（2021）。管理二次优化乘法器的多块交替方向方法中的随机化。数学。程序。计算。13 339-413. ·Zbl 1476.90229号 ·doi:10.1007/s12532-020-00192-5 [34] MOTA，J.F.C.、XAVIER，J.M.F.、AGUIAR，P.M.Q.和PüSCHEL，M.（2013）。D-ADMM：一种用于可分离优化的高效通信分布式算法。IEEE传输。信号处理。61 2718-2723. ·Zbl 1393.94059号 ·doi:10.1109/TSP.2013.2254478 [35] MUTHéN，B.和SHEDDEN，K.（1999）。使用EM算法对混合结果进行有限混合建模。生物计量学55 463-469. ·Zbl 1059.62599号 [36] NORMAN，J.、POLITZ，D.和POLITZ，L.（2009）。妊娠期甲状旁腺功能亢进症和钙升高对妊娠损失的影响：呼吁早期干预。临床。内分泌。71 104-109. [37] PERNG，W.、TAMAYO-ORTIZ，M.、TANG，L.、SANCHEZ，B.、CANTORAL，A.、MEEKER，J.、DOLINOY，D.、ROBERTS，E.、MIER，A.等人（2019年）。墨西哥早期接触环境毒物（ELEMENT）项目。英国医学杂志公开赛9 e030427。 [38] PIMENTEL-ALARC奥斯·N，D.，BALZANO，L.，MARCIA，R.，NOWAK，R.和WILLETT，R.（2017）。混合回归作为子空间聚类采样理论与应用(桑普塔), 2017国际会议456-459. IEEE，纽约。 [39] PROUST，C.和JACQMIN-GADDA，H.（2005）。随机效应的混合分布线性混合模型的估计。计算。方法生物识别程序。78 165-173. [40] PROUST-LIMA，C.、PHILIPPS，V.和LIQUET，B.（2017年）。使用潜在类和潜在过程的扩展混合模型的估计：R包lcmm。J.Stat.软件。78 1-56. [41] Redner，R.A.和Walker，H.F.（1984年）。混合密度、最大似然和EM算法。SIAM版本。26 195-239. ·Zbl 0536.62021号 ·数字对象标识代码：10.1137/1026034 [42] ROEDER，K.和WASSERMAN，L.（1997）。使用混合法线的实用贝叶斯密度估计。J.Amer。统计师。协会。92 894-902. ·Zbl 0889.62021号 ·doi:10.2307/2965553 [43] SANCHEZ，B.、WU，M.、SONG，P.和WANG，W.（2016）。使用高维DNA微阵列数据开发分类器的样本量规划。生物统计学17 722-736. [44] Schwarz，G.（1978年）。估算模型的维度。安。统计师。6 461-464. ·Zbl 0379.62005年 [45] SEDGHI，H.、JANZAMIN，M.和ANANDKUMAR，A.（2016年）。广义线性模型混合学习的可证明张量方法。在人工智能与统计1223-1231. [46] SOLTANOLKOTABI，M.、ELHAMIFAR，E.和CANDÈS，E.J.（2014）。稳健的子空间聚类。安。统计师。42 669-699. ·Zbl 1360.62353号 ·doi:10.1214/13-AOS1199 [47] SUN，R.，LUO，Z.-Q.和YE，Y.（2015）。随机置换ADMM的期望收敛性。预印本。可在arXiv:153.06387购买。 [48] TEICHER，H.（1961年）。混合物的可识别性。安。数学。斯达。32 244-248. ·Zbl 0146.39302号 ·doi:10.1214/aoms/1177705155 [49] Tibshirani，R.、Saunders，M.、Rosset，S.、Zhu，J.和K.奈特（2005）。通过融合套索实现稀疏和流畅。J.R.统计社会服务。B.统计方法。67 91-108. ·兹比尔1060.62049 ·doi:10.1111/j.1467-9868.2005.00490.x [50] VERBEKE，G.和LESAFFRE，E.（1996年）。随机效应群体中具有异质性的线性混合效应模型。J.Amer。统计师。协会。91 217-221. ·Zbl 0870.62057号 [51] VIELE，K.和TONG，B.（2002）。混合线性回归建模。统计计算。12 315-330. ·doi:10.1023/A:1020779827503 [52] WEI，S.和KOSOROK，M.R.（2013）。潜在的监督学习。J.Amer。统计师。协会。108 957-970. ·Zbl 06224979号 ·doi:10.1080/01621459.2013.789695 [53] WONG，C.H.、SIAH，K.W.和LO，A.W.（2019年）。临床试验成功率和相关参数的估计。生物统计学20 273-286. ·doi:10.1093/biostatistics/kxx069 [54] Wu，C.F.J.（1983年）。关于EM算法的收敛性。安。统计师。11 95-103. ·Zbl 0517.62035号 ·doi:10.1214/aos/1176346060 [55] XU，W.和HEDEKER，D.（2001）。纵向临床试验中用于分类治疗反应的随机效应混合模型。生物制药杂志。统计师。11 253-273. [56] YI，X.、CARAMANIS，C.和SANGHAVI，S.（2014）。混合线性回归的交替最小化。在机器学习国际会议613-621. [57] Zhang，C.-H.（2010）。极小极大凹惩罚下的几乎无偏变量选择。安。统计师。38 894-942. ·Zbl 1183.62120号 ·doi:10.1214/09-AOS729 [58] ZHANG，Y.，CHEN，X.，ZHOU，D.和JORDAN，M.I.（2016）。谱方法满足EM：一种可证明的众包优化算法。J.马赫。学习。物件。17第102、44号文件·Zbl 1367.68241号 [59] ZHONG，K.、JAIN，P.和DHILLON，I.S.（2016）。具有多个成分的混合线性回归。在神经信息处理系统研究进展2190-2198. [60] 周磊、孙绍、傅华和宋培新（2022）。补充“个人治疗效应分析的子组效应模型”https://doi.org/10.1214/21-AOAS1503SUPA网站, https://doi.org/10网址 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。