艾米·拉隆德;亲爱的,坦兹;萨利·瑟斯顿(Sally W.Thurston)。;菲利普·戴维森。 在儿童神经发育测试的多结果模型中发现结构。 (英语) Zbl 1468.62389号 生物计量学 76,第3期,874-885(2020年). 摘要:基于贝叶斯模型的聚类提供了一个强大而灵活的工具,可以将其合并到回归模型中,以更好地理解观察值的分组。利用塞舌尔儿童发展研究的数据,我们探讨了产前甲基汞暴露对9岁儿童20种神经发育结果的影响。我们没有将单个主题归类,而是将结果归类到多结果模型中。通过使用数据中的信息将结果嵌套到称为域的组中,该模型更准确地反映了神经发育域的共享特征,并通过缩小数据所选域内和域间的影响来改进对总体和结果特定暴露影响的估计。贝叶斯范式允许从分组参数的后验分布中进行抽样;因此,可以对组成员及其定义特征进行推断。在形成完全贝叶斯多结果模型之前,我们通过合并Dirichlet过程,避免了通常困难且高度主观的先验识别组总数的要求。 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 62H30型 分类和区分;聚类分析(统计方面) 62J05型 线性回归;混合模型 62D05型 抽样理论、抽样调查 65二氧化碳 蒙特卡罗方法 关键词:Dirichlet过程优先;马尔可夫链蒙特卡罗(MCMC)抽样;混合模型;随机效应;拆分合并采样 PDF格式BibTeX公司 XML格式引用 \textit{A.LaLonde}等人,《生物统计学》76,第3期,874--885(2020;Zbl 1468.62389) 全文: DOI程序 链接