×
丹尼尔·阿尔瓦雷斯;卡门·阿梅罗;阿纳贝尔·福特;尼古拉斯·肖邦

纵向和时间-事件数据贝叶斯联合模型中的序贯蒙特卡罗方法。 （英语） Zbl 07346645号

统计模型。 21，编号1-2161-181（2021）.
小结：对医疗随访产生的信息进行统计分析是个性化医疗领域的一个非常重要的挑战。随着患者疾病演变过程的进展，他/她的医疗随访产生了越来越多的信息，应立即处理这些信息，以便审查和更新他/她的预后和治疗。因此，我们从贝叶斯的角度，通过纵向和时间到事件数据的联合模型的顺序推理方法，重点关注这一更新过程。更具体地说，我们建议对静态参数联合模型使用序贯蒙特卡罗（SMC）方法，目的是减少整个贝叶斯推理过程每次更新的计算时间。我们的建议非常通用，可以很容易地应用于大多数流行的联合模型方法。我们举例说明了所提出的序贯方法在一个联合模型中的应用，该模型具有竞争性风险事件，适用于在重症监护室（ICU）进行机械通气的患者的真实场景。

引用于1文件

MSC公司：

62至XX 统计

关键词：

贝叶斯分析;IBIS算法;关节模型;顺序推理

软件：

卡爪
PDF格式BibTeX公司 XML格式引用
\textit{D.Alvares}等人，统计模型。21，编号1--2，161-181（2021；Zbl 07346645）
全文： 内政部

参考文献：

[1] Alvares，D（2017）贝叶斯联合模型中纵向和时间-事件数据的序贯蒙特卡罗方法。博士论文巴伦西亚大学。
[2] Andrieu，C，Roberts，GO（2009）高效蒙特卡罗计算的伪边缘方法。统计年刊37 697-725. ·Zbl 1185.60083号 ·doi:10.1214/07-AOS574
[3] Andrieu，C，Doucet，A，Holenstein，R（2010）粒子马尔可夫链蒙特卡罗方法。英国皇家统计学会学报B辑72 269-342. ·Zbl 1411.65020号 ·文件编号：10.1111/j.1467-9868.2009.00736.x
[4] Armero，C，Forné，C，Rué，M，Forte，A，Perpiñán，H，Gomez，G，Bare，M（2016）。乳腺癌风险评估的贝叶斯联合序数和生存模型。医学统计学, 35, 5267-82. ·doi:10.1002/sim.7065
[5] Armero，C，Forte，A，Perpiñán，H，Sanahuja，MJ，Agust，S.（2018年）。贝叶斯联合模型评估儿童慢性肾脏疾病的进展。医学研究中的统计方法, 27, 298-311.
[6] Berzuini，C，Best，NG，Gilks，WR，Larizza，C（1997）动态条件独立模型和马尔可夫链蒙特卡罗方法。美国统计协会杂志92 1403-12. ·Zbl 0913.62025号 ·doi:10.1080/01621459.1997.10473661
[7] Bewick，V，Cheek，L，Ball，J（2004）《统计评论12：生存分析》。重症监护8 389-94·doi:10.1186/cc2955
[8] Brown，ER，Ibrahim，JG（2003）纵向和生存数据的贝叶斯半参数联合层次模型。生物计量学59 221-28·Zbl 1210.62022号 ·数字对象标识代码：10.1111/1541-0420.0028
[9] Carpenter，J，Clifford，P，Fearnhead，P（1999）非线性问题的改进粒子滤波器。IEE会议录雷达声纳和导航146 2-7. ·doi:10.1049/ip-rsn:1990255
[10] 肖邦，N（2002）静态模型的顺序粒子滤波器。生物特征89 539-51. ·兹比尔1036.62062 ·doi:10.1093/biomet/89.3.539
[11] 肖邦，N，帕帕斯皮利奥普洛斯，O（2020）序贯蒙特卡洛第1版导论。纽约州纽约市：Springer-Verlag·Zbl 1453.62005年 ·doi:10.1007/978-3-030-47845-2
[12] Chopin，N，Jacob，PE，Papaspiliopoulos，O（2013）SMC2：状态空间模型序列分析的有效算法。英国皇家统计学会杂志B辑75 397-426. ·Zbl 1411.62242号 ·文件编号：10.1111/j.1467-9868.2012.01046.x
[13] Clegg，BA，DiGirolamo，GJ，Keele，SW（1998）序列学习。认知科学趋势2 275-281. ·doi:10.1016/S1364-6613（98）01202-9
[14] Cox，D.R.（1972）。Cox DR（1972）回归模型和生命表。英国皇家统计学会杂志B辑, 34, 187-220. ·Zbl 0243.62041号
[15] Creal，D（2012）。经济学和金融学的序贯蒙特卡罗方法综述。计量经济评论, 31, 245-296. ·Zbl 1491.62008年 ·doi:10.1080/07474938.2011.607333
[16] Moral，P，Doucet，A，Jasra，A（2006）序贯蒙特卡罗采样器。英国皇家统计学会学报B辑68 411-36. ·Zbl 1105.62034号 ·文件编号：10.1111/j.1467-9868.2006.00553.x
[17] Doucet，A，Freitas，N，Gordon，N（2001年）。实践中的序贯蒙特卡罗方法，第1版纽约州纽约市：Springer-Verlag·Zbl 0967.00022号 ·doi:10.1007/978-1-4757-3437-9
[18] Fitzmaurice，G，Davidian，M，Verbeke，G，Molenberghs，G（2008年）纵向数据分析第一版佛罗里达州博卡拉顿：查普曼和霍尔/CRC·Zbl 1144.62087号 ·doi:10.1201/9781420011579
[19] Gilks，WR，Berzuini，C（2001）《跟踪移动目标：动态贝叶斯模型的蒙特卡罗推断》。英国皇家统计学会学报B辑63 127-46. ·Zbl 0976.62021号 ·doi:10.111/1467-9868.00280
[20] Gilks，WR，Clayton，DG，Spiegelhalter，DJ，Best，NG，McNeil，AJ，Sharples，LD，Kirby，AJ（1993）《建模复杂性：吉布斯采样在医学中的应用》。英国皇家统计学会学报B辑55 39-52. ·Zbl 0779.62100号
[21] Gordon，NJ，Salmond，DJ，Smith，AFM（1993）非线性/非高斯贝叶斯状态估计的新方法。IEE会议录F（雷达和信号处理）140 107-113. ·doi:10.1049/ip-f-2.1993.0015
[22] 胡，W，李，G，李，N（2009）联合分析纵向测量和竞争风险失效时间数据的贝叶斯方法。医学统计学28 1601-19. ·doi:10.1002/sim.3562
[23] Ibrahim，JG，Chu，H，Chen，LM（2010年）。纵向和生存数据联合模型的基本概念和方法。临床肿瘤学杂志, 28, 2796-2801. ·doi:10.1200/JCO.2009.25.0654
[24] Kim，HT（2007）竞争风险数据和竞争风险回归分析中的累积发病率。临床癌症研究13 559-65. ·doi:10.1158/1078-0432.CCR-06-1210
[25] Kitagawa，G（1996）非高斯非线性状态空间模型的Monte-Carlo滤波器和平滑器。计算与图形统计杂志5 1-25.
[26] Klein，JP，Moeschberger，ML（2003）。生存分析：删失和截断数据的技术第二版。纽约州纽约市：Springer-Verlag·Zbl 1011.62106号 ·doi:10.1007/b97377
[27] Lemieux，C（2009）蒙特卡罗和拟蒙特卡罗抽样第1版。纽约：施普林格出版社·Zbl 1269.65001号
[28] Liu，JS，Chen，R（1998）动态系统的序列蒙特卡罗方法。美国统计协会杂志93 1032-44. ·Zbl 1064.65500号 ·doi:10.1080/01621459.1998.10473765
[29] Lu，Y，Fang，J，Tian，L，Jin，H（2015）。高级医学统计，第2版新加坡：世界科学出版公司·Zbl 1416.62039号 ·数字对象标识代码：10.1142/9080
[30] Asprouhov，T，Boye，ME，Hackshaw，M，Naegeli，A（2009年）潜在变量模型中连续生存期在Mplus分析肿瘤随机临床试验数据中的应用（技术报告）。
[31] Neal，RM（2001）退火重要性抽样。统计与计算11 125-39. ·doi:10.1023/A:1008923215028
[32] Owen，AB（1998）拟蒙特卡罗的蒙特卡罗推广。1998年冬季模拟会议记录571-77.
[33] Plummer，M（2003）JAGS:使用吉布斯抽样分析贝叶斯图形模型的程序。第三届分布式统计计算国际研讨会论文集1-8.
[34] 推杆、H、Fiocco、M、Geskus、RB（2007年）。生物统计教程：竞争风险和多状态模型。医学统计学, 26, 2389-2430. ·数字对象标识代码：10.1002/sim.2712
[35] Rizopoulos，D，Verbeke，G，Molenberghs，G（2010）基于多重插补的残差和纵向和生存结果联合模型的诊断图。生物计量学66 20-29. ·Zbl 1187.62176号 ·文件编号：10.1111/j.1541-0420.2009.01273.x
[36] Robert，CP，Casella，G（2004）蒙特卡罗统计方法第二版纽约州纽约市：Springer-Verlag·Zbl 1096.62003年 ·数字对象标识代码：10.1007/978-1-4757-4145-2
[37] Andrinopoulou，ER，Alvares，D，Armero，C，Forte，A，Blanch，L（2017）《双变量纵向和竞争风险数据的贝叶斯联合建模：研究危重病患者患者与呼吸器不同步的应用》。生物医学期刊59 1184-1203. ·Zbl 1379.62084号 ·doi:10.1002/bimj.20600221
[38] Sobol’，IM（1967）关于立方体中点的分布和积分的近似计算。苏联计算数学和数学物理7第86-112页·Zbl 0185.41103号 ·doi:10.1016/0041-5553（67）90144-9
[39] Taylor，JMG，Park，Y，Ankerst，DP，Proust-Lima，C，Williams，S，Kestin，L，Bae，K，Pickles，T，Sandler，H（2013）使用联合模型对前列腺癌复发的实时个人预测。生物计量学69 206-13. ·Zbl 1272.62093号 ·文件编号：10.1111/j.1541-0420.2012.01823.x
[40] Tsiatis，AA，Davidian，M（2004）《纵向和时间-事件数据的联合建模：概述》。中国统计局14 809-834. ·兹比尔1073.62087
[41] Verbeke，G，Fieus，S，Molenberghs，G，Davidian，M（2014）《多元纵向数据分析：综述》。医学研究中的统计方法23 42-59.
[42] Wang，P，Shen，W，Boye，ME（2012）间皮瘤试验中使用潜在生长建模方法对纵向结果和生存率进行联合建模。卫生服务和结果研究方法12 182-99. ·doi:10.1007/s10742-012-0092-z
[43] Wu，MC，Carrol，RJ（1988）。通过对审查问题建模，估计和比较信息权审查中的变化。生物计量学, 44, 175-88. ·Zbl 0707.62210号 ·doi:10.2307/2531905
[44] Zhao，Y，Zeng，D（2013）个性化药物发现统计方法的最新发展。医学前沿7 102-110. ·doi:10.1007/s11684-013-0245-7
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。