×
马修·科斯洛夫斯基。;艾米丽·T·Hébert。;Michael S.Businelle。;玛丽娜·范努奇

行为mHealth数据的贝叶斯时变效应模型。 （英语） Zbl 1498.62231号

附录申请。斯达。 1878-1902年第4期第14页（2020年）.
摘要：将移动健康（mHealth）设备集成到行为健康研究中，从根本上改变了研究人员和干预学家收集数据以及部署和评估干预策略的方式。在这些研究中，研究人员经常使用生态瞬时评估方法收集密集的纵向数据（ILD），旨在近实时捕获可能与行为结果相关的心理、情绪和环境因素。为了研究一项基于智能手机的新型戒烟研究中收集的ILD，我们提出了一种时变效应模型的贝叶斯变量选择方法，旨在识别潜在风险因素与戒烟尝试关键时刻吸烟行为之间的动态关系。我们使用参数扩展和数据增强技术来有效地探索这些关系的底层结构如何随着时间和主题的变化而变化。我们通过引入回归系数的非参数先验值，对风险因素的类似影响进行聚类，同时确定其包含范围，从而对这些关系有了更深入的了解。结果表明，我们的方法能够帮助研究人员在戒烟尝试的关键时刻有效评估、设计和提供量身定制的干预策略。

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
2015年1月62日 贝叶斯推断
62J12型 广义线性模型（逻辑模型）

关键词：

生态瞬时评估;m健康;Pólya-Gamma增强;时变效应模型;变量选择

软件：

钉子标签GAM;SDOL（系统数据仓库）;贝叶斯雷;厕所;MixTVEM公司
PDF格式BibTeX公司 XML格式引用
\textit{M.D.Koslovsky}等人，Ann.Appl。《法律总汇》第14卷第4期，1878年-1902年（2020年；兹bl 1498.62231）
全文： 内政部 arXiv公司

参考文献：

[1] Barbieri，M.M.和Berger，J.O.（2004）。最优预测模型选择。安。统计师。32 870-897之间·Zbl 1092.62033号 ·doi:10.1214/009053604000000238
[2] Berardi，V.、Carretero-González，R.、Bellettiere，J.、Adams，M.A.、Hughes，S.和Hovell，M.（2018）。用于提高数据密集型行为干预评估准确性的马尔可夫方法。J.生物识别。通知。85 93-105.
[3] Bhadra，A.、Datta，J.、Polson，N.G.和Willard，B.（2019年）。拉索遇到马蹄铁：一项调查。统计师。科学。34 405-427. ·兹比尔1429.62308 ·doi:10.1214/19-STS700
[4] Bolman，C.、Verboon，P.、Thewissen，V.、Boonen，V..、Soons，K.和Jacobs，N.（2018年）。预测戒烟第一周内的吸烟减少：一项生态瞬时评估研究。J.瘾君子。医学。12 65-71.
[5] 布鲁克，D.W.、布鲁克，J.S.、张，C.、怀特曼，M.、科恩，P.和芬奇，S.J.（2008）。青少年至30岁早期吸烟的发展轨迹：人格和行为风险因素。尼古丁Tob。物件。10 1283-1291.
[6] Brown，P.J.、Vannucci，M.和Fearn，T.（1998）。多元贝叶斯变量选择和预测。J.R.统计社会服务。B.统计方法。60 627-641. ·Zbl 0909.62022号 ·doi:10.1111/1467-9868.00144
[7] Businelle，M.S.、Ma，P.、Kendzor，D.E.、Reitzel，L.R.、Chen，M.、Lam，C.Y.、Bernstein，I.和Wetter，D.W.（2014）。预测寻求戒烟治疗的无家可归吸烟者的戒烟尝试：一项生态瞬时评估研究。尼古丁Tob。物件。16 1371-1378.
[8] Businelle，M.S.、Ma，P.、Kendzor，D.E.、Frank，S.G.、Vidrine，D.J.和Wetter，D.W.（2016）。戒烟的生态瞬时干预：可行性和有效性评估。医学互联网研究杂志。18 e321。
[9] Cai，B.和Bandyopadhyay，D.（2017）。贝叶斯半参数变量选择及其在牙周数据中的应用。统计医学。36 2251-2264.
[10] Canale，A.、Ligoi，A.、Nipoti，B.和Prünster，I.（2017年）。在Pitman-Yor过程中，采用钉和板底测量。生物计量学104 681-697. ·Zbl 07072235号 ·doi:10.1093/biomet/asx041
[11] Carvalho，C.M.、Polson，N.G.和Scott，J.G.（2009年）。通过马蹄铁处理稀疏。在人工智能与统计73-80.
[12] Chen，Z.和Dunson，D.B.（2003）。线性混合模型中的随机效应选择。生物计量学59 762-769. ·Zbl 1214.62027号 ·doi:10.1111/j.0006-341X.2003.0089.x
[13] Cheng，J.、Edwards，L.J.、Maldonado-Molina，M.M.、Komro，K.A.和Muller，K.E.（2010）。真实人的真实纵向数据分析：建立一个足够好的混合模型。统计医学。29 504-520.
[14] Chipman，H.（1996）。具有相关预测因子的贝叶斯变量选择。加拿大。J.统计。24 17-36. ·Zbl 0849.62032号 ·doi:10.2307/3315687
[15] Cursio，J.F.、Mermelstein，R.J.和Hedeker，D.（2019年）。缺失生态瞬时评估数据的潜在特征共享参数混合模型。统计医学。38 660-673.
[16] Dahl，D.B.和Muller，P.（2017年）。sdols：总结潜在结构的分布。R软件包版本1.4。591
[17] de Haan-Rietdijk，S.、Kuppens，P.、Bergeman，C.S.、Sheeber，L.B.、Allen，N.B.和Hamaker，E.L.（2017）。关于混合马尔可夫模型在密集纵向数据中的应用。多变量。行为。物件。52 747-767.
[18] Dunson，D.B.、Herring，A.H.和Engel，S.M.（2008）。功能相关基因多态性的贝叶斯选择和聚类。J.Amer。统计师。协会。103 534-546. ·Zbl 1469.62367号 ·doi:10.1198/0162145000000554
[19] Dziak，J.J.、Li，R.、Tan，X.、Shiffman，S.和Shiyko，M.P.（2015）。用非参数轨迹和时变效应的混合物对密集的纵向数据进行建模。精神病。方法20 444.
[20] Escobar，M.D.和West，M.（1995）。使用混合物的贝叶斯密度估计和推断。J.Amer。统计师。协会。90 577-588. ·Zbl 0826.62021号 ·doi:10.1080/01621459.1995.10476550
[21] Fitzmaurice，G.M.、Laird，N.M.和Ware，J.H.（2012）。应用的纵向分析，第2版。概率统计中的威利级数新泽西州霍博肯威利·Zbl 1057.62052号
[22] Geiser，C.、Bishop，J.、Lockhart，G.、Shiffman，S.和Grenard，J.L.（2013）。将潜在状态图和多重诱导潜在增长曲线模型分析为多级结构方程模型。前面。精神病。4 975.
[23] Gelfand，A.E.（1996）。使用基于抽样的方法确定模型。在马尔可夫链蒙特卡罗法在实践中的应用.Interdiscip公司。统计师。145-161. CRC出版社，伦敦·Zbl 0840.62003号
[24] Gelman，A.和Rubin，D.B.（1992年）。使用多序列的迭代模拟推断。统计师。科学。7 457-472. ·Zbl 1386.65060号 ·doi:10.1214/ss/117701136
[25] Gelman，A.、Goegebeur，Y.、Tuerlinckx，F.和Van Mechelen，I.（2000年）。使用后验预测模拟对离散数据回归模型进行诊断检查。J.R.统计社会服务。C.申请。斯达。49 247-268. ·Zbl 0945.62071号 ·doi:10.111/1467-9876.00190
[26] George，E.I.和McCulloch，R.E.（1993）。通过吉布斯采样选择变量。J.Amer。统计师。协会。88 881-889.
[27] George，E.I.和McCulloch，R.E.（1997）。贝叶斯变量选择方法。统计师。西尼卡339-373. ·兹比尔0884.62031
[28] Hastie，T.和Tibshirani，R.（1993年）。变系数模型。J.罗伊。统计师。Soc.序列号。B类55 757-796. ·Zbl 0796.62060号 ·doi:10.1111/j.2517-6161.1993.tb01939.x
[29] Heron，K.E.和Smyth，J.M.（2010年）。生态瞬时干预：将移动技术纳入心理社会和健康行为治疗。Br.J.健康心理学。15 1-39.
[30] Hui，F.K.C.、Müller，S.和Welsh，A.H.（2017）。广义线性混合模型中固定效应和随机效应的分层选择。统计师。西尼卡27 501-518. ·Zbl 1391.62145号
[31] Ishwaran，H.和Rao，J.S.（2005年）。尖峰和平板变量选择：频繁和贝叶斯策略。安。统计师。33 730-773. ·Zbl 1068.62079号 ·doi:10.1214/009053604000001147
[32] Jones，R.H.、Xu，S.和Grunwald，G.K.（2006）。二元纵向数据的连续时间马尔可夫模型。生物。J。48 411-419·Zbl 1442.62432号 ·doi:10.1002/bimj.200510224
[33] Kim，S.、Dahl，D.B.和Vannucci，M.（2009年）。随机效应模型中贝叶斯多假设检验的Spiked Dirichlet过程先验。贝叶斯分析。4 707-732·Zbl 1330.62029号 ·doi:10.1214/09-BA426
[34] Kinney，S.K.和Dunson，D.B.（2007年）。线性和逻辑模型中的固定效应和随机效应选择。生物计量学63 690-698. ·Zbl 1147.62022号 ·doi:10.1111/j.1541-0420.2007.00771.x
[35] Klasnja，P.、Hekler，E.B.、Shiffman，S.、Boruvka，A.、Almirall，D.、Tewari，A.和Murphy，S.A.（2015）。微随机试验：一项开发及时适应性干预措施的实验设计。健康心理学34 1220.
[36] Koslovsky，M.D.、Hébert，E.T.、Swartz，M.D.，Chan，W.、Leon-Novelo，L.、Wilkinson，A.V.、Kendzor，D.E.和Businelle，M.S.（2018年）。戒烟前后危险因素与吸烟的时变关系。尼古丁Tob。物件。20 1231-1236.
[37] Koslovsky，M.D.、Swartz，M.D、Chan，W.、Leon-Novelo，L.、Wilkinson，A.V.、Kendzor，D.E.和Businelle，M.S.（2018年）。戒烟生态瞬时评估研究中多状态马尔可夫模型的贝叶斯变量选择。生物计量学74 636-644. ·Zbl 1414.62452号 ·doi:10.1111/biom.12792
[38] Koslovsky，M.D.、Hébert，E.T.、Businelle，M.S.和Vannucci，M.（2020年）。补充“行为mHealth数据的贝叶斯时变效应模型”https://doi.org/10.1214/20-AOAS1402SUPA网站, https://doi.org/10.1214/20-AOAS1402SUPB网站
[39] Kürüm，E.、Li，r.、Shiffman，S.和Yao，W.（2016）。时间-变量系数模型，用于联合建模纵向数据中的二进制和连续结果。统计师。西尼卡26 979-1000. ·Zbl 1359.62077号
[40] Lang，S.和Brezger，A.（2004）。贝叶斯P样条。J.计算。图表。统计师。13 183-212. ·Zbl 07257866号 ·doi:10.19198/1061860043010
[41] Lanza，S.T.、Vasilenko，S.A.、Liu，X.、Li，R.和Piper，M.E.（2014）。提高对戒烟尝试期间渴望的理解：时变效应模型的演示。尼古丁Tob。物件。16 S127-S134。
[42] Li，Y.、Müller，P.和Lin，X.（2011）。非参数贝叶斯随机效应分布的中心调整推理。统计师。西尼卡21 1201-1223. ·Zbl 1223.62079号 ·doi:10.5705/ss.2009.180
[43] Luckett，D.J.、Laber，E.B.、Kahkoska，A.R.、Maahs，D.M.、Mayer-Davis，E.和Kosorok，M.R.（2020年）。使用V-learning评估移动健康中的动态治疗方案。J.Amer。统计师。协会。115 692-706·Zbl 1445.62279号 ·doi:10.1080/01621459.2018.1537919
[44] Ma，S.和Song，P.X.-K.（2015）。变指数系数模型。J.Amer。统计师。协会。110 341-356. ·Zbl 1373.62160号 ·doi:10.1080/01621459.2014.903185
[45] Mason，M.、Mennis，J.、Way，T.、Lanza，S.、Russell，M.和Zaharakis，N.（2015年）。基于文本的戒烟干预对城市青少年的时间效应。依赖酒精的药物。157 99-105.
[46] McCarthy，D.E.、Ebssa，L.、Witkiewitz，K.和Shiffman，S.（2016）。在三项戒烟研究中重复测量日常吸烟的潜在类别分析。依赖酒精的药物。165 132-142.
[47] McClure，J.B.、Anderson，M.L.、Bradley，K.、An，L.C.和Catz，S.L.（2016）。评估适应性和交互式mHealth戒烟和药物依从性计划：一项随机试点可行性研究。JMIR mHealth uHealth公司4 e94。
[48] Meila，M.（2003）。通过信息的变化比较聚类。在学习理论与核机器173-187. 施普林格，柏林·Zbl 1274.68338号
[49] Minami，H.、Yeh，V.M.、Bold，K.W.、Chapman，G.B.和McCarthy，D.E.（2014）。情感、节欲动机和信心与日常吸烟失误风险之间的关系。精神病。瘾君子。行为。28 376-388.
[50] Müller，P.、Quintana，F.A.和Rosner，G.L.（2007年）。多级重复测量数据的半参数贝叶斯推理。生物计量学63 280-289, 316.
[51] Müller，S.、Scealy，J.L.和Welsh，A.H.（2013）。线性混合模型中的模型选择。统计师。科学。28 135-167. ·Zbl 1331.62364号 ·doi:10.1214/12-STS410
[52] Nahum-Shani，I.、Smith，S.N.、Spring，B.J.、Collins，L.M.、Witkiewitz，K.、Tewari，A.和Murphy，S.A.（2017）。移动健康中的实时自适应干预（JITAIs）：持续健康行为支持的关键组件和设计原则。安·贝哈夫。医学。52 446-462.
[53] Naughton，F.、Hopewell，S.、Lathia，N.、Schalbroeck，R.、Brown，C.、Mascolo，C.、McEwen，A.和Sutton，S.（2016）。用于戒烟的情境感知手机应用程序（Qsense）：一项混合方法研究。JMIR mHealth uHealth公司4 e106。
[54] Neal，R.M.（2000）。Dirichlet过程混合模型的马尔可夫链抽样方法。J.计算。图表。统计师。9 249-265. ·doi:10.2307/1390653
[55] Newton，M.A.、Noueiry，A.、Sarkar，D.和Ahlquist，P.（2004）。用半参数分层混合方法检测差异基因表达。生物统计学5 155-176. ·Zbl 1096.62124号 ·doi:10.1093/biostatistics/5.2.155
[56] Piasecki，T.M.、Fiore，M.C.、McCarthy，D.E.和Baker，T.B.（2002）。我们迷路了吗？需要动态制定吸烟复发倾向。上瘾97 1093-1108.
[57] Piasecki，T.M.、Jorenby，D.E.、Smith，S.S.、Fiore，M.C.和Baker，T.B.（2003）。戒烟动力学：II。改进了退出-复发关系测试。J.Abnorm公司。精神病。112 14-27.
[58] Piasecki，T.M.、Trela，C.J.、Hedeker，D.和Mermelstein，R.J.（2013）。吸烟前因：在青少年吸烟的多波生态瞬时评估调查中，区分烟草依赖的个人效应和内部效应。尼古丁Tob。物件。16 S119-S126。
[59] Polson，N.G.和Scott，J.G.（2010年）。全局收缩，局部行动：稀疏贝叶斯正则化和预测。贝叶斯统计。9 105.
[60] Polson，N.G.、Scott，J.G.和Windle，J.（2013）。使用Pólya-Gamma潜在变量的逻辑模型贝叶斯推断。J.Amer。统计师。协会。108 1339-1349. ·Zbl 1283.62055号 ·doi:10.1080/01621459.2013.829001
[61] Riley，W.T.、Rivera，D.E.、Atienza，A.A.、Nilsen，W.、Allison，S.M.和Mermelstein，R.（2011年）。移动干预时代的健康行为模型：我们的理论能胜任这项任务吗？Transl.公司。行为。医学。1 53-71.
[62] Rivera，D.E.、Pew，M.D.和Collins，L.M.（2007年）。使用工程控制原则指导适应性干预措施的设计：概念介绍。依赖酒精的药物。88 S31-S40。
[63] Savitsky，T.和Vannucci，M.（2010年）。高斯过程模型的尖峰Dirichlet过程先验。J.概率。斯达。2010年艺术ID 201489，14·Zbl 1214.62100号 ·doi:10.1155/2010/201489
[64] Savitsky，T.、Vannucci，M.和Sha，N.（2011年）。非参数高斯过程先验的变量选择：模型和计算策略。统计师。科学。26 130-149. ·Zbl 1222.65017号 ·doi:10.1214/11-STS354
[65] Scheipl，F.（2011）。spikeLabGAM：R.Preprint中广义加性混合模型的贝叶斯变量选择、模型选择和正则化。可从arXiv:1105.5253获得。
[66] Scheipl，F.、Fahrmeir，L.和Kneib，T.（2012年）。结构化加性回归模型中用于函数选择的尖峰和平顶先验。J.Amer。统计师。协会。107 1518-1532. ·Zbl 1258.62082号 ·doi:10.1080/016214592012.737742
[67] Selya，A.S.、Updegrove，N.、Rose，J.S.、Dierker，L.、Tan，X.、Hedeker，D.、Li，R.和Mermelstein，R.J.（2015）。吸烟事件对青少年瞬时情绪变化的尼古丁依赖性影响。瘾君子。行为。41 65-71.
[68] Sha，N.、Tadesse，M.G.和Vannucci，M.（2006年）。具有审查结果的微阵列数据分析的贝叶斯变量选择。生物信息学22 2262-2268.
[69] Shiffman，S.（2013）。生态瞬时评估数据的概念化分析。尼古丁Tob。物件。16 S76-S87。
[70] Shiffman，S.、Paty，J.A.、Gnys，M.、Kassel，J.A.和Hickcox，M.（1996年）。第一次吸烟失误：通过实时报告的受试者分析。J.咨询。临床。精神病。64 366-379。
[71] Shiffman，S.、Balabanis，M.H.、Paty，J.A.、Engberg，J.、Gwaltney，C.J.、Liu，K.S.、Gnys，M.、Hickcox，M.和Paton，S.M.（2000年）。自我效能感对吸烟失效和复发的动态影响。健康心理学19 315.
[72] Shiffman，S.、Gwaltney，C.J.、Balabanis，M.H.、Liu，K.S.、Paty，J.A.、Kassel，J.D.、Hickcox，M.和Gnys，M.（2002年）。吸烟的直接前因：来自生态瞬时评估的分析。J.Abnorm公司。精神病。111 531.
[73] Shiyko，M.P.、Lanza，S.T.、Tan，X.、Li，R.和Shiffman，S.（2012）。使用时变效应模型（TVEM）检验消极情绪和自信心对吸烟冲动的动态关联：成功戒烟者和复发者之间的差异。上一页。科学。13 288-299.
[74] Shiyko，M.、Naab，P.、Shiffman，S.和Li，R.（2014）。EMA数据的建模复杂性：尼古丁成瘾亚组吸烟冲动的负面影响的时间滞后效应。尼古丁Tob。物件。16 S144-S150。
[75] Tan，X.、Shiyko，M.P.、Li，R.、Li，Y.和Dierker，L.（2012年）。密集纵向数据的时变效应模型。精神病。方法17 61.
[76] Timms，K.P.、Rivera，D.E.、Collins，L.M.和Piper，M.E.（2013）。了解戒烟行为变化中自我调节的动态系统方法。尼古丁Tob。物件。16 S159-S168。
[77] Trail，J.B.、Collins，L.M.、Rivera，D.E.、Li，R.、Piper，M.E.和Baker，T.B.（2014）。用于行为过程的动力系统识别的功能数据分析。精神病。方法19 175.
[78] van Erp，S.、Oberski，D.L.和Mulder，J.（2019年）。贝叶斯惩罚回归的收缩先验。数学杂志。心理学。89 31-50. ·Zbl 1431.62564号 ·doi:10.1016/j.jp.2018.12.004
[79] Vasilenko，S.A.、Piper，M.E.、Lanza，S.T.、Liu，X.、Yang，J.和Li，R.（2014）。在一项戒烟治疗的随机试验中，涉及吸烟的时间变化过程失效。尼古丁Tob。物件。16 S135-S143。
[80] Vehtari，A.、Gelman，A.和Gabri，J.（2016）。loo：贝叶斯模型的高效leave-on-out交叉验证和WAIC。R软件包版本0.1 6·Zbl 1505.62408号 ·doi:10.1007/s11222-016-9696-4
[81] Vehtari，A.、Gelman，A.和Gabri，J.（2017）。使用leave-on-out交叉验证和WAIC进行实用贝叶斯模型评估。统计计算。27 1413-1432. ·Zbl 1505.62408号 ·doi:10.1007/s11222-016-9696-4
[82] Wade，S.和Ghahramani，Z.（2018年）。贝叶斯聚类分析：点估计和可信球（讨论）。贝叶斯分析。13 559-626. ·Zbl 1407.62241号 ·doi:10.1214/17-BA1073
[83] Walls，T.A.和Schafer，J.L.编辑（2006年）。密集纵向数据模型牛津大学出版社，牛津·Zbl 1103.62306号
[84] Yang，M.（2012）。非参数随机效应logistic混合模型的贝叶斯变量选择。计算。统计师。数据分析。56 2663-2674 ·Zbl 1255.62123号 ·doi:10.1016/j.csda.2011.12.014
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。