×
胡新余；钱敏；程斌；张英坤

使用纵向移动健康数据进行个性化策略学习。 （英语） Zbl 1457.62347号

美国统计协会。 116，编号533，410-420（2021）.
概要：个性化策略代表了一种范式，将所有用户的一个决策规则转换为每个用户的个性化决策规则。在移动健康应用程序中开发个性化策略带来了挑战。首先，由于缺乏一致性，每个用户的数据都是有限的。其次，未测量的背景因素可能会对决策产生潜在影响。为了优化即时奖励，我们提出了一个广义线性混合建模框架，其中人口特征和个人特征分别建模为固定效应和随机效应，并综合形成个性化策略。施加群套索型惩罚是为了避免个体偏离种群模型的过拟合。我们研究了在存在时变内生协变量的情况下，该方法的工作条件，并提供了估计政策下预期即时结果的条件最优性和边际一致性结果。我们使用我们的方法在294个应用程序用户中开发个性化推送（“提示”）时间表，目的是在考虑到过去应用程序使用情况和其他背景因素的情况下，最大限度地提高提示响应率。与包括在仿真研究中使用R函数“glmer”在内的现有估计方法相比，该方法具有更好的性能。

引用于4文件

MSC公司：

第62页第10页 统计学在生物学和医学中的应用；元分析
62J05型 线性回归；混合模型
62C05型 统计决策理论的一般考虑

关键词：

背景盗贼；内生变量；广义线性混合模型；个性化决策规则；推送通知

软件：

万亿；lme4型；R（右）；glmer公司
PDF格式BibTeX公司 XML格式引用
\textit{X.Hu}等人，《美国统计协会期刊》第116期，第533、410-420号（2021年；Zbl 1457.62347）
全文： 内政部 arXiv公司

参考文献：

[1] Bates，D.、Mächler，M.、Bolker，B.和Walker，S.（2014），“使用lme4拟合线性混合效应模型”，arXiv编号1406.5823。
[2] 博默，M。；Hecht，B。；肖宁，J。；克鲁格，A。；Bauer，G.，《愤怒的小鸟入睡》，脸书和Kindle——移动应用程序使用的大规模研究，47-56（2011）
[3] Boruvka，A。；阿尔米拉尔，D。；Witkiewitz，K。；Murphy，S.A.，“评估移动健康中的时变因果效应调节”，《美国统计协会杂志》，1131112-1121（2018）·doi:10.1080/01621459.2017.1305274
[4] 张，K。；Ling，W。；卡尔·C·J。；Weingardt，K。；舒勒，S.M。；Mohr，D.C.，“抑郁症和焦虑治疗应用程序推荐应用程序的评估：纵向用户参与度分析”，《美国医学信息学会杂志》，25955-962（2018）·doi:10.1093/jamia/ocy023
[5] Cheung，Y.K。；查克拉波蒂，B。；Davidson，K.W.，“抑郁症治疗项目中采用自适应随机方法提高质量的序贯多任务随机试验（SMART），生物统计学，71，450-459（2015）·Zbl 1390.62244号 ·doi:10.1111/biom.12258
[6] Cho，H。；王，P。；Qu，A.，“使用未指定随机效应模型对纵向数据进行个性化处理，中国统计局，27187-206（2017）·Zbl 1468.62322号 ·doi:10.5705/ss.202015.0120
[7] Christensen，H。；格里菲斯，K。；Farrer，L.，“焦虑和抑郁的互联网干预依从性，医学互联网研究杂志，11，e13（2009）·doi:10.2196/jmir.1194
[8] 戴普，C.A。；莫斯巴赫，B。；格兰霍姆，E。；卡德纳斯，V。；Ben-Zeev，D。；Patterson，T.L。；勒博维茨，B.D。；Jeste，D.V.，“严重精神疾病的移动干预：三种方法的设计和初步数据”，《神经与精神疾病杂志》，198，715（2010）·文件编号：10.1097/NMD.0b013e3181f49ea3
[9] Diggle，P。；Heagerty，P。；Liang，K.-Y。；Zeger，S.，《纵向数据分析》（2002），牛津：牛津大学出版社，牛津
[10] Ertefaie，A。；Strawderman，R.L.，“在不确定的时间范围内构建动态治疗机制，生物统计学，105，963-977（2018）·Zbl 1506.62432号 ·doi:10.1093/biomet/asy043
[11] 海伦德，E。；Kaipainen，K。；科霍宁，I。；Wansink，B.，“通过摄影和同伴反馈持续使用免费移动应用程序进行饮食自我监测的相关因素：回顾性队列研究，医学互联网研究杂志，16，e109（2014）·doi:10.2196/jmir.3084
[12] 苍鹭，K.E。；Smyth，J.M.，“生态瞬时干预：将移动技术纳入心理社会和健康行为治疗，英国健康心理学杂志，15，1-39（2010）·网址：10.1348/135910709X466063
[13] Hui，F.K。；缪勒，S。；Welsh，A.，“使用正则化PQL在混合模型中的联合选择，美国统计协会杂志，1121323-1333（2017）·doi:10.1080/01621459.2016.1215989
[14] 克拉维茨，R。；Duan，N.，“N-of-1试验的设计和实施：用户指南”（2014）
[15] 拉伯，E。；Linn，K。；Stefanski，L.，“Q-Learning的交互式模型构建，Biometrika，101，831-847（2014）·Zbl 1306.62235号 ·doi:10.1093/biomet/asu043
[16] Lei，H.、Tewari，A.和Murphy，S.（2017），“使用移动设备进行个性化干预的演员-关键上下文Bandit算法”，arXiv编号1706.09090。
[17] Lillie，E。；巴泰，B。；Diamant，J。；Issell，B。；白杨，E。；Schork，N.，“N-of-1临床试验：个性化医学的最终策略，个性化医学，8161-173（2011）·doi:10.2217/pme.11.7
[18] Luckett，D.J。；拉伯，E.B。；Kahkoska，A.R。；Maahs，D.M。；Mayer-Davis，E。；Kosorok，M.R.，“使用V-Learning评估移动健康中的动态治疗方案”，《美国统计协会杂志》，115，692-706（2020）·Zbl 1445.62279号 ·doi:10.1080/01621459.2018.1537919
[19] 莫尔特区。；张，K。；Schueller，S.M。；Brown，C.H。；Duan，N.，“不断发展的行为干预技术的持续评估”，《美国预防医学杂志》，45517-523（2013）·doi:10.1016/j.amepre.2013.06.006
[20] 莫尔特区。；番茄素，K.N。；Lattie，E.G。；帕拉克，H.L。；Kwasny，M.J。；Weingardt，K。；卡尔·C·J。；Kaiser，S.M。；罗瑟姆，R.C。；巴兹利，L.R。；Caccamo，L.，“IntelliCare:一个折衷的、基于技能的应用套件，用于治疗抑郁症和焦虑，医学互联网研究杂志，19，e10（2017）·doi:10.2196/jmir.6645
[21] Murphy，S.A.，“最佳动态治疗方案”，《皇家统计学会杂志》，B辑，65，331-355（2003）·Zbl 1065.62006号 ·doi:10.111/1467-9868.00389
[22] Nash，S.G.，“截断纽顿方法的调查”，《计算与应用数学杂志》，124，45-59（2000）·Zbl 0969.65054号 ·doi:10.1016/S0377-0427（00）00426-X
[23] Ohrnberger，J。；菲切拉，E。；Sutton，M.，“消费者健康穿戴用品的兴起：承诺和障碍”，《老龄经济杂志》，9，52-62（2017）·doi:10.1016/j.jeoa.2016.07.002
[24] Pepe，M.S.和Anderson，G.L.（1994），“关于利用纵向数据和一般相关响应数据推断边际回归模型的注意事项”，《统计通信-模拟和计算》，第23期，第939-951页。内政部：。
[25] 钱，M。；Murphy，S.A.，“个性化治疗规则的性能保证，统计年鉴，39，1180-1210（2011）·Zbl 1216.62178号 ·doi:10.1214/10-AOS864
[26] Qian，T.、Klasnja，P.和Murphy，S.A.（2019），“内生性下的线性混合模型：应用于流动健康研究的序贯治疗效应建模”，arXiv编号1902.10861·Zbl 07292522号
[27] 莱利，W.T。；里维拉，D.E。；Atienza，A.A。；尼尔森，W。；Allison，S.M。；Mermelstein，R.，“移动干预时代的健康行为模型：我们的理论能胜任任务吗？”，转化行为医学，153-71（2011）·doi:10.1007/s13142-011-0021-7
[28] 宋，R。；Wang，W。；曾博士。；Kosorok，M.R.，“动态治疗方案的惩罚Q-学习”，《中国统计》，第25期，第901-920页（2015年）·兹比尔1415.62054
[29] Steihaug，T.，“大规模优化中的共轭梯度法和信赖域”，SIAM数值分析杂志，20626-637（1983）·Zbl 0518.65042号 ·doi:10.1137/0720042
[30] Tewari，A。；Murphy，S。；Rehg，J。；墨菲，S。；Kumar，S.，《移动健康》，《从广告到干预：移动健康中的情境匪徒》，495-517（2017），查姆：斯普林格，查姆
[31] 袁，M。；Lin，Y.，“分组变量回归中的模型选择和估计，皇家统计学会期刊，B辑，68，49-67（2006）·Zbl 1141.62030号 ·doi:10.1111/j.1467-9868.2005302.x
[32] 张，B。；Tsiatis，A.A。；拉伯，E.B。；Davidian，M.，“估算最佳治疗方案的稳健方法，生物统计学，68，1010-1018（2012）·Zbl 1258.62116号 ·doi:10.1111/j.1541-0420.2012.01763.x
[33] Zhao，Y。；曾博士。；拉伯，E.B。；Kosorok，M.R.，“估算最佳动态治疗方案的新统计学习方法”，《美国统计协会杂志》，110，583-598（2015）·兹比尔1373.62557 ·doi:10.1080/01621459.2014.937488
[34] Zhao，Y。；曾博士。；拉什，A.J。；Kosorok，M.R.，“使用结果加权学习评估个性化治疗规则”，《美国统计协会杂志》，1071106-1118（2012）·Zbl 1443.62396号 ·doi:10.1080/01621459.2012.695674
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。