文献

J-GLOBAL ID：202202268088910823   整理番号：22A0501297

階層的差分イン差分モデルにおけるBayes変数選択【JST・京大機械翻訳】

Bayesian variable selection in hierarchical difference-in-differences models

著者 (4件)： Normington James P (Division of Biostatistics, School of Public Health, University of Minnesota, Minneapolis, MN, USA) ,  Lock Eric F (Division of Biostatistics, School of Public Health, University of Minnesota, Minneapolis, MN, USA) ,  Murray Thomas A (Division of Biostatistics, School of Public Health, University of Minnesota, Minneapolis, MN, USA) ,  Carlin Caroline S (Department of Family Medicine and Community Health, University of Minnesota, Minneapolis, MN, USA)
資料名： Statistical Methods in Medical Research  (Statistical Methods in Medical Research)
巻： 31  号： 1  ページ： 169-183  発行年： 2022年 
JST資料番号： W5397A  ISSN： 0962-2802  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： 観測データによる因果的治療効果を推定するための一般的な方法は,差異差モデルである。本研究では,データを最も粒状レベルで整合できない階層的文脈に対する古典的差分差設定の拡張を考察した。本動機は,Minnesotaにおける糖尿病転帰に対するプライマリケア再設計政策の影響を評価するための応用であり,その政策は診療所レベルで投与され,個々の転帰は介入前から介入後とは一致しない。グループレベル結果における平均変化を表す潜在変数に対する処理を回帰することにより,政策効果を推定するBayes階層的差分-差分モデルを提案した。特定のクラスの交絡変数に対して調整できない階層的差差モデルを示す理論的および経験的結果を提示し,政策効果推定をバイアスした。差分-差分コンテキストの時間的構造を利用する構造化Bayesスパイク-および-スラブモデルを用い,著者らは,政策効果の偏りおよび効率的推定に導く交絡変数の目標集合を目標とする変数選択アプローチを提案し,実装した。著者らは,シミュレーションを通して方法の特性を評価して,2008年から2017年までの糖尿病結果の管理に関して,Minnesotaにおける診療所のプライマリーケア再設計の影響を評価するためにそれらを使用した。Copyright The Author(s) 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 糖尿病 ,  再設計 ,  *プライマリーケア
準シソーラス用語： *変数選択 ,  政策効果 ,  潜在変数 , 【Automatic Indexing@JST】

著者キーワード (5件)： Bayes階層モデリング ,  糖尿病 ,  差分差 ,  プライマリ・ケア再設計 ,  可変選択

分類 (3件)： 自動車事故,交通安全  (TB01050G) ,  システム・制御理論一般  (IA02010H) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 差分 ,  モデル ,  変数選択