生物医学的非線形縦データを解析するための一般化加算モデルの使用【JST・京大機械翻訳】

Mundo, A. I.; Tipton, J. R.; Muldoon, T. J.

プレプリント

J-GLOBAL ID：202202218346997184 整理番号：21P0257461

生物医学的非線形縦データを解析するための一般化加算モデルの使用【JST・京大機械翻訳】

Using generalized additive models to analyze biomedical non-linear longitudinal data

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年04月29日プレプリントサーバーでの情報更新日： 2022年04月29日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

1Inバイオメディカル研究において,縦断的研究の結果を,反復測定分散分析(rm-ANOVA)またはより最近,線形混合モデル(LMEM)を用いて伝統的に分析した。LMEMは,それらが不均衡なデータおよび観察の間の非一定の相関で動作できるので,rm-ANOVAより制限的でないが,両方の方法論は,測定した応答において線形傾向を仮定する。真の傾向応答が非線形であり,これらの場合において,rm-ANOVAとLMEMの線形性仮定が偏った推定と信頼できない推論を導くことを,生物医学研究で一般的である。対照的に,GAMsは,rm-ANOVAとLMEMの線形性仮定を緩和し,また,不完全な観察と種々の相関構造を可能にする一方で,モデルの適合を決定するデータを可能にする。したがって,GAMsは優れた選択を示し,生物医学研究との関連で非線形傾向を有する縦データを分析する。本論文は,rm-ANOVAとLMEMの限界をまとめて,シミュレーションデータを使用して,両方の方法が非線形傾向のデータに関して使用するとき,両方の方法が偏った推定を作り出すことを視覚的に示した。著者らは,GAMsの基本理論を提示し,腫瘍における酸素飽和の報告された傾向を用いて,著者らは,Rにおけるそれらの実行を実証するために,例縦データ(2つの治療群,1群につき10人の被験者,各群のための5つの反復測定)をシミュレーションした。また,GAMsは不完全な観測が存在する場合でも非線形傾向で推定値を生成できることを示した。この作業を再現するために,本論文で用いたコードとデータは,https://github.com/aimundo/GAMs biomedical researchで利用可能である。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

中枢神経系 , 各種分析法一般 , 道路付属施設 , 数値計算 , システム同定

, , , , , ,

前のページに戻る