×
爱德华·奥利耶

利用惩罚似然快速选择非线性混合效应模型。 （英语） Zbl 07464468号

计算。统计数据分析。 167，文章ID 107373，15 p.（2022）.
摘要：非线性混合效应模型是一种隐变量模型，广泛应用于药物计量学等领域。在这样的模型中，隐藏变量的分布特征可以通过包括几个参数来指定，例如必须选择的协变量或相关性。药物基因组学的最新发展给非线性混合效应建模领域带来了平均/高维问题，而标准协变量选择技术（如逐步方法）并不适用于此。提出了一种利用惩罚似然方法选择协变量和相关参数的方法。惩罚似然问题是使用随机近似梯度算法来解决的，以避免内-外迭代。使用组件式自适应梯度步长提高了近似梯度算法的收敛速度。通过仿真研究了近似梯度算法的实际实现和调整。正则化参数的校准是通过使用零阶优化程序粒子群优化最小化贝叶斯信息准则来完成的。热重启和并行化的使用大大减少了计算时间。使用模拟数据考察了该方法与传统网格搜索策略相比的性能。最后，提供了两项药代动力学研究的实际数据应用，一项研究抗纤溶，另一项研究抗生素。

引用于1文件

理学硕士：

62至XX 统计

关键词：

非线性混合效应模型;惩罚可能性;型号选择;随机近端梯度;粒子群优化

软件：

取消锁定BoX;阿达格拉德;EGO公司
PDF格式BibTeX公司 XML格式引用
\textit{E.Ollier}，计算。统计数据分析。167，文章ID 107373，15 p.（2022；Zbl 07464468）
全文： 内政部 arXiv公司

参考文献：

[1] 阿查德，Y。；G.福特。；Moulines，E.，《关于扰动近端梯度算法》，J.Mach。学习。决议，18，1-33（2017）·Zbl 1433.90199号
[2] 巴赫，F。；Jenatton，R。；Mairal，J。；Obozinski，G.，带稀疏诱导范数的凸优化，Optim。机器。学习。，19-53 (2011)
[3] 贝克，A。；Teboulle，M.，基于梯度的算法及其在信号恢复中的应用，凸优化。信号处理。社区。，42-88 (2009) ·Zbl 1211.90290号
[4] Bertrand，J。；Balding，D.J.，在非线性混合效应药代动力学模型中使用惩罚回归进行多个单核苷酸多态性分析，药物遗传学。基因组学。，2013年3月23日，167-174
[5] 邦德尔·H·D。；克里希纳。；Ghosh，S.K.，线性混合效应模型中固定和随机效应的联合变量选择，生物统计学，66，4，1069-1077（2010）·Zbl 1233.62134号
[6] Buhlmann，P。；Meier，L.，讨论：非一致惩罚似然模型中的一步稀疏估计，Ann.Stat.，36，4，1553-1560（2008年8月）·Zbl 1282.62110号
[7] 陈，Z。；Dunson，D.B.，线性混合模型中的随机效应选择，生物计量学，59，4762-769（2003）·兹比尔1214.62027
[8] 科尔比，E。；Bair，E.，非线性混合效应模型的交叉验证，J.药代动力学。药物动力学。(2013)
[9] 组合，P.L。；Pesquet，J.C.，《信号处理中的邻近分裂方法》，（科学与工程中反问题的定点算法。科学与工程反问题的固定点算法，Springer Optim应用，第49卷（2011年），Springer:Springer New York），185-212·Zbl 1242.90160号
[10] 特拉特，M。；Poursat，M-A.，混合效应模型中联合协变量和随机效应选择的迭代算法，国际生物统计杂志。，16, 2 (2020)
[11] 特拉特，M。；拉维尔，M。；Poursat，M-A.，混合效应模型中BIC的注释，电子。J.Stat.，8，1，456-475（2014）·Zbl 1348.62186号
[12] Delavenne，X。；Ollier，E。；Basset，T。；Bertoletti，L。；阿卡萨特，S。；Garcin，A。；拉波特，S。；Zufferey，P。；Mismetti，P.，《评估达比加群与药物相互作用的半机械吸收模型：与克拉霉素的应用》，英国临床杂志。药理学。，76, 1, 107-113 (2013)
[13] 南卡罗来纳州德斯梅。；Mentré，F。；Veyrat-Follet，C。；塞巴斯蒂安，B。；Guedj，J.，将SAEM算法用于描述非线性PSA动力学与前列腺癌患者生存率之间关系的机械关节模型，生物统计学（2016）·兹比尔1366.62212
[14] 杜奇，J。；哈赞，E。；Singer，Y.，在线学习和随机优化的自适应次梯度方法，J.Mach。学习。第12号决议，2121-2159（2011年7月）·Zbl 1280.68164号
[15] G.福特。；奥利耶，E。；Samson，A.，惩罚混合模型的随机近似梯度算法，统计计算。，29, 2, 231-253 (2019) ·Zbl 1430.62153号
[16] 因斯，T。；Kiranyaz，S。；Gabbouj，M.，《心电图信号自动特定患者分类的通用鲁棒系统》，IEEE Trans。生物识别。工程师，56，5，1415-1426（2009）
[17] Jones，D.R。；Schonlau先生。；Welch，W.J.，《昂贵黑盒函数的高效全局优化》，J.Glob。最佳。，13, 4, 455-492 (1998) ·Zbl 0917.90270号
[18] 詹姆斯·肯尼迪；Eberhart，Russell，粒子群优化，（ICNN’95国际神经网络会议论文集，第4卷（1995），IEEE），1942-1948
[19] 库恩，E。；Lavielle，M.，将EM的随机近似版本与MCMC程序耦合，ESAIM Probab。《法律总汇》第8卷，第115-131页（2004年）·Zbl 1155.62420号
[20] 拉诺塞莱，J。；Zufferey，P.J。；Ollier，E。；霍丁，S。；Delavenne，X.，氨甲环酸暴露与髋关节置换术中的失血有关吗？药物动力学研究，Br.J.Clin。药理学。，84, 2, 310-319 (2018)
[21] 拉诺塞莱，J。；乔克斯，R。；霍丁，S。；Bourayou，S。；Gibert，A。；菲利普·R。；莫里埃克斯，S。；Zufferey，P.J。；Delavenne，X。；Ollier，E.，头孢唑林在全髋关节置换术中的人群药代动力学模型，Sci。代表，11（2021）
[22] Lavielle，M.，《人口方法的混合效应模型：模型、任务、方法和工具》（2014），CRC出版社
[23] 马里尼，F。；Walczak，B.，粒子群优化（PSO）。化学教程。智力。实验室系统。，149, 153-165 (2015)
[24] Mazzocco，P。；塞利亚·巴瑟利米；Kaloshi，G。；马克，拉维尔；Ricard，D。；Idbaih，A。；Psimaras，D。；雷纳德，医学硕士。；阿伦顿，A。；Honnorat，J.，基于肿瘤大小动力学和遗传特征预测低级别胶质瘤患者对替莫唑胺的反应，CPT药理学系统。药理学。，4, 12, 728-737 (2015)
[25] Ollier，E。；马佐科，P。；Ricard，D。；Kaloshi，G。；Idbaih，A。；阿伦顿，A。；Psimaras，D。；Honnorat，J。；Delatter，J.Y。；Grenier，E.，使用机械数学模型分析低度恶性胶质瘤中替莫唑胺的耐药性，Fundam。临床。药理学。(2016)
[26] Ollier，E。；Samson，A。；Delavenne，X。；Viallon，V.，《用于融合套索惩罚非线性混合效应模型的SAEM算法：药代动力学中的组间比较应用》，计算机。统计数据分析。，95, 207-221 (2016) ·Zbl 1468.62152号
[27] X·潘哈德。；Mentré，F.，《药代动力学相互作用和生物等效性交叉试验中基于非线性混合效应模型的试验模拟评估》，Stat.Med.，24，10，1509-1524（2005）
[28] 皮莱，G.C。；Mentré，F。；Steimer，J.L.，《非线性混合效应建模——从方法学和软件开发到药物开发科学中的驱动实施》，J.Pharmacokinet。药物动力学。，32, 2, 161-183 (2005)
[29] Samson，A。；拉维耶，M。；Mentré，F.，基于非线性混合效应模型的纵向数据分析中的组比较测试的SAEM算法，Stat.Med.，26，27，4860-4875（2007）
[30] 谢尔多夫，J。；Meier，L。；Bühlmann，P.，GLMMLasso：使用L1-enalization的高维广义线性混合模型算法，J.Compute。图表。Stat.，23，2，460-477（2014）
[31] 沈，Q。；Jiang，J-H。；焦，C-X。；Shen，G-L。；Yu，R-Q.，MLR和PLS建模中变量选择的改进粒子群优化算法：血管紧张素II拮抗剂拮抗作用的QSAR研究，欧洲药学杂志。，22, 2-3, 145-152 (2004)
[32] 西蒙，N。；弗里德曼，J。；哈斯蒂，T。；Tibshirani，R.，《稀疏群套索》，J.Compute。图表。统计，22，2，231-245（2013）
[33] Tibshirani，R.，通过套索进行回归收缩和选择，J.R.Stat.Soc.B，267-288（1996）·Zbl 0850.62538号
[34] 魏，G。；Tanner，M.A.，EM算法和穷人数据增强算法的蒙特卡罗实现，美国统计协会，85，411，699-704（1990）
[35] Xu，H。；孙，Y。；王，X。；Fu，Y。；Dong，Y。；Li，Y.，中国东南部杉木个体直径增长的非线性混合效应（NLME）模型，PLoS ONE，9，8，Article e104012 pp.（2014）
[36] Zou，H.，《自适应套索及其预言属性》，美国统计协会，101，476，1418-1429（2006）·Zbl 1171.62326号
[37] Zufferey，P.J。；拉诺塞莱，J。；Chapelle，C。；Borisov，D.B。；Bien，J-Y。；兰伯特，P。；菲利普·R。；莫利克斯，S。；Delavenne，X.，在初次髋关节置换术随机对照试验中，静脉注射氨甲环酸丸加输液并不比单一丸更有效，麻醉学，127,3413-422（2017）
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。