文献

J-GLOBAL ID：202202244378485377   整理番号：22A0410572

アルツハイマー病への転換を発見するための多変量縦および生存データのための結合モデル【JST・京大機械翻訳】

A joint model for multivariate longitudinal and survival data to discover the conversion to Alzheimer’s disease

著者 (3件)： Kang Kai (Department of Statistics, The Chinese University of Hong Kong, Hong Kong, China) ,  Pan Deng (School of Mathematics and Statistics, Huazhong University of Science and Technology, Wuhan, China) ,  Song Xinyuan (Department of Statistics, The Chinese University of Hong Kong, Hong Kong, China)
資料名： Statistics in Medicine  (Statistics in Medicine)
巻： 41  号： 2  ページ： 356-373  発行年： 2022年 
JST資料番号： A1551A  ISSN： 0277-6715  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： Alzheimer病(AD)は,軽度の認知障害から始まり,時間とともに悪化する難治性で進行性の疾患である。ADへの転換までの時間に対する患者の長期的認知低下の影響および信頼できる診断モデルを得ることは,ADの予後および早期治療の評価に重要である。以前の研究は,単一認知試験を通して患者の認知障害を評価するか,または,時間を通して直線的に変化すると仮定し,それによって,認知低下の不完全な測定または患者の認知障害の微妙な軌跡パターンを見落としている。本研究は,これらの欠点に対処する新しい共同モデルを開発した。最初に,動的因子分析モデルを採用して,包括的方法で複数の認知手段を通して認知障害を特徴づけた。第2に,スプラインベースのランダム係数モデルを提案し,患者の認知低下の可能性のある非線形軌跡を明らかにした。最後に,比例ハザードモデルを考慮して,ADハザードに対する時間不変マーカーと時変認知障害の影響を調べた。スプライン近似技術とMCMC法を結合したBayesアプローチを開発し,統計的推論を行った。Alzheimer病神経イメージングイニシアティブ研究への提案した方法の応用は,ADの予防に新しい洞察を提供し,提案した方法の高い予測能力を示す。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 近似法 ,  統計的推定 ,  因子分析 ,  スプライン ,  予後 ,  *Alzheimer病 ,  結合モデル
準シソーラス用語： 比例ハザードモデル ,  認知障害 ,  早期治療 ,  *多変量 ,  ハザード , 【Automatic Indexing@JST】

著者キーワード (5件)： 因子分析 ,  潜在軌道モデル ,  縦応答 ,  MCMC法 ,  イベントからイベントまでの結果

分類 (1件)： 神経系の診断  (GN02000H)

タイトルに関連する用語 (7件)： アルツハイマー ,  転換 ,  発見 ,  多変量 ,  縦 ,  生存 ,  結合モデル