我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
本文的目的是建立一个同时具有函数和标量协变量的贝叶斯函数线性Cox回归模型(BFLCRM)。这一新进展的动机是在346名轻度认知障碍(MCI)患者中确定了阿尔茨海默病神经成像倡议1(ADNI-1)中登记的阿尔茨海默氏病(AD)转换的可能性以及转换的早期标记物。对346名MCI患者进行了48个月的随访,其中161名MCI参与者在48个月时进展为AD。采用功能线性Cox回归模型建立功能协变量,包括海马表面形态和标量协变量,其中包括脑MRI体积、认知性能(ADAS-Cog)和APOE-$varepsilon4$状态,可以准确预测AD的发病时间。后验计算通过高效的马尔可夫链蒙特卡罗算法进行。对BFLCRM的有限样本性能进行了仿真研究。
恩吉·李。 朱宏图。 德汉港。 王亚林。 凯利·沙利文·乔瓦内洛(Kelly Sullivan Giovanello)。 约瑟夫·易卜拉欣(Joseph G.Ibrahim)。 阿尔茨海默病神经成像计划。 “BFLCRM:用于预测阿尔茨海默病转化时间的贝叶斯函数线性考克斯回归模型。” 附录申请。斯达。 9 (4) 2153 - 2178, 2015年12月。 https://doi.org/10.1214/15-AOAS879