×
罗、余;大卫·A·斯蒂芬斯。;阿曼·维尔玛;大卫·巴克利奇。

非等距纵向电子健康记录的贝叶斯潜在多状态建模。 （英语） Zbl 1520.62279号

生物计量学 77，第1号，78-90（2021）。
摘要：现在有大量纵向健康记录可用于动态监测控制观察的基本过程。然而，健康状况随时间的发展通常不是直接观察到的：只有当受试者与系统交互时，才会观察到记录，从而产生不规则且通常稀疏的观察结果。这表明，观察到的轨迹应该通过潜在的连续时间过程建模，作为时变协变量的函数。我们开发了一个连续时间隐马尔可夫模型来分析不规则访问和不同类型观察的纵向数据。通过使用特定的缺失数据似然公式，我们可以构造一个有效的计算算法。我们专注于模型的贝叶斯推理：这是由期望最大化算法和马尔可夫链蒙特卡罗方法促进的。仿真研究表明，这些方法可以在完全贝叶斯环境下有效地实现大型数据集。我们将此模型应用于一个实际队列，其中患者患有慢性阻塞性肺病，结果是服用药物的数量，使用医疗利用指标和患者特征作为协变量。
{©2020国际生物识别学会}

引用于3文件

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

关键词：

贝叶斯推断;连续时间隐马尔可夫模型;慢性阻塞性肺病;健康轨迹;MCMC公司;非等距纵向数据分析
PDF格式BibTeX公司 XML格式引用
\textit{Y.Luo}等人，《生物统计学》77，第1期，78-90（2021；Zbl 1520.62279）
全文： 内政部

参考文献：

[1] Alaa，A.M.和van derSchaar，M.（2018）《信息删减时态数据的一种可吸收半马尔可夫模型：学习和推理》。机器学习研究杂志，19，1-62·Zbl 1445.62211号
[2] Altman，R.M.（2007）混合隐马尔可夫模型：隐马尔可夫模型对纵向数据设置的扩展。美国统计协会杂志，102，201-210·Zbl 1284.62803号
[3] Bartolucci，F.和Farcomeni，A.（2019）具有信息缺失的纵向数据的共享参数连续时间隐马尔可夫和生存模型。医学统计学，38，1056-1073。
[4] Bartolucci，F.、Farcomeni，A.和Pennoni，F.（2012）《纵向数据的潜在马尔可夫模型》。佛罗里达州博卡拉顿：查普曼和霍尔/CRC·Zbl 1305.62300号
[5] Bartolucci，F.、Pennoni，F.和Francis，B.（2007）检测犯罪活动模式的潜在马尔可夫模型。英国皇家统计学会杂志：A辑（社会统计），170115-132。
[6] Baum，L.和Petrie，T.（1966）有限状态马尔可夫链概率函数的统计推断。《数理统计年鉴》，371554-1563·Zbl 0144.40902号
[7] Betancourt，M.、Roberts，K.、Bennett，T.、Driscoll，E.、Jayaraman，G.和Pelletier，L.（2014）《加拿大慢性病监测：慢性病指标框架》。《加拿大疾病年代与祝福》，34，1-30。
[8] Bladt，M.和Sörensen，M..（2005）离散观测马尔可夫跳跃过程的统计推断。英国皇家统计学会杂志：B辑（统计方法），67395-410·Zbl 1069.62061号
[9] Broemeling，A.‐M。，Watson，D.E.和Prebtani，F.（2007）加拿大慢性健康状况、合并发病率和医疗保健使用的人口模式：政策和实践的影响。《医疗保健季刊》，11，70-76。
[10] 加拿大慢性病预防和控制中心（2001年）呼吸道疾病编辑委员会。渥太华：加拿大卫生部。
[11] Frühwirth‐Schnatter，S.（2006）有限混合和马尔可夫切换模型。纽约州纽约市：斯普林格·Zbl 1108.6202号
[12] Gold，M.、Beitsch，L.、Essien，J.、Fleming，D.、Getzen，T.、Gostin，L.，Isham，G.、Kaplan，R.、Lopez，W.和Mays，G.（2011）《公众健康：计量在行动和责任中的作用》。华盛顿特区：国家学院出版社。
[13] GOLD执行委员会（2017）COPD诊断、管理和预防袖珍指南：2017年健康护理专业人员指南报告。
[14] Hobolth，A.和Stone，E.A.（2009）有限状态空间上基于端点条件的连续时间马尔可夫链的模拟及其在分子进化中的应用。应用统计年鉴，31204-1231·Zbl 1196.62139号
[15] Jackson，C.H.和Sharples，L.D.（2002）肺移植受者闭塞性细支气管炎综合征发病和进展的隐马尔可夫模型。《医学统计》，第21期，第113-128页。
[16] Jackson，C.H.、Sharples，L.D.、Thompson，S.G.、Duffy，S.W.和Couto，E.（2003）疾病进展的多状态马尔可夫模型与分类错误。《皇家统计学会杂志：D辑（统计学家）》，第52期，193-209年。
[17] Jasra，A.、Holmes，C.C.和Stephens，D.A.（2005）马尔可夫链蒙特卡罗方法和贝叶斯混合建模中的标签切换问题。统计科学，20，50-67·Zbl 1100.62032号
[18] Kalbfleisch，J.和Lawless，J.F.（1985）马尔可夫假设下的面板数据分析。《美国统计协会杂志》，80，863-871·Zbl 0586.62136号
[19] Lange，J.、Hubbard，R.、Inoue，L.和Minin，V.（2015）多状态疾病过程和随机信息观测时间的联合模型，以及电子病历数据的应用。生物统计学，71，90-101·Zbl 1419.62384号
[20] Raffa，J.和Dubin，J.（2015）混合效应隐马尔可夫模型的多元纵向数据分析。生物统计学，71，821-831·Zbl 1419.62428号
[21] Robert，C.P.，Ryden，T.和Titterington，D.M.（2000）通过可逆跳马尔可夫链蒙特卡罗方法在隐马尔可夫模型中进行贝叶斯推断。英国皇家统计学会杂志：B辑（统计方法），62，57-75·Zbl 0941.62090号
[22] Rydén，T.（1996）马尔可夫调制泊松过程估计的EM算法。计算统计与数据分析，21431-447·Zbl 0875.62405号
[23] Shaban‐Nejad，A.、Lavigne，M.、Okhmatovskaia，A.和Buckeridge，D.L.（2017）《PopHR：支持人口健康数据集成、分析和可视化的知识平台》。《纽约科学院年鉴》，1387年，第44-53页。
[24] Spiegelhalter，D.、Best，N.、Carlin，B.和Van Der Linde，A.（2002）模型复杂性和拟合的贝叶斯度量。英国皇家统计学会杂志：B辑（统计方法），64，583-639·兹比尔1067.62010
[25] Verma，A.（2015）《医院再入院：预测和推断》。麦吉尔大学博士论文。
[26] Wang，X.、Sontag，D.和Wang，F.（2014）疾病进展模型的无监督学习。2014年8月24日至27日，第20届ACM SIGKDD知识发现和数据挖掘国际会议记录。纽约，纽约：计算机机械协会，第85-94页。
[27] Watanabe，S.（2010）贝叶斯交叉验证的渐近等价性和奇异学习理论中广泛适用的信息准则。机器学习研究杂志，11，3571-3594·Zbl 1242.62024号
[28] West，M.和Harrison，J.（1997）贝叶斯预测和动态模型，第2版。纽约州纽约市：斯普林格·Zbl 0871.62026号
[29] Williams，J.P.、Storlie，C.B.、Therneau，T.M.、JackJr，C.R.和Hannig，J.（2019）多状态隐马尔可夫模型的贝叶斯方法：痴呆进展的应用。美国统计协会杂志，1-21。
[30] Wulfsohn，M.S.和Tsiatis，A.A.（1997）生存率和纵向数据的联合模型（误差测量）。生物统计学，53330-339·Zbl 0874.62140号
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。