文献

J-GLOBAL ID：202202273761455973   整理番号：22A0410557

多変量縦データのためのBayesコンセンサスクラスタリング【JST・京大機械翻訳】

Bayesian consensus clustering for multivariate longitudinal data

著者 (2件)： Lu Zihang (Department of Public Health Sciences, Queen’s University, Kingston, Ontario, Canada) ,  Lou Wendy (Dalla Lana School of Public Health, University of Toronto, Toronto, Ontario, Canada)
資料名： Statistics in Medicine  (Statistics in Medicine)
巻： 41  号： 1  ページ： 108-127  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： 臨床的および疫学的研究において,研究集団のサブタイプを同定するための縦特性に基づく患者間の異質性を研究する際に関心が高まっている。単一縦マーカーのクラスタリングと比較して,複数の縦方向マーカーの同時クラスタリングは,クラスタ化プロセスに組み込む追加情報を可能にし,それは共存縦パターンを明らかにし,より深い生物学的洞察を生成する。本研究では,多変量縦方向データのBayesコンセンサスクラスタリング(BCC)モデルを提案した。単一の全体的クラスタリングに到着する代わりに,提案モデルは各マーカーがマーカー特異的局所クラスタリングを追跡でき,これらの局所クラスタリングが大域的(コンセンサス)クラスタリングを見つけるために凝集する。モデルパラメータの事後分布を推定するために,Gibbsサンプリングアルゴリズムを提案した。提案したモデルを原発性胆汁性肝硬変研究に適用し,患者のサブタイプを同定し,その予後と関連する可能性がある。また,いくつかのシナリオの下で提案モデルと既存モデルの間のクラスタリング性能を比較するためのシミュレーション研究も行った。結果は,提案したBCCモデルが多変量縦断データをクラスタ化するための有用なツールとして役立つことを示した。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： アルゴリズム ,  シミュレーション ,  *クラスタ化 ,  予後 ,  不均一性 ,  原発性胆汁性肝硬変
準シソーラス用語： 疫学研究 ,  モデルパラメータ ,  混合モデル ,  Gibbsサンプリング ,  事後分布 ,  *多変量 , 【Automatic Indexing@JST】

著者キーワード (5件)： Bayesコンセンサスクラスタリング ,  疾患クラスタリング ,  統合クラスタリング ,  混合モデル ,  多変量縦データ

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 多変量 ,  縦 ,  コンセンサス ,  クラスタリング