Assessing the collective utility of multiple analyses on clinical alcohol use disorder data.
Assessing the collective utility of multiple analyses on clinical alcohol use disorder data.
复制标题
评估临床酒精使用障碍数据多重分析的集体效用。
DOI：
10.1093/jamia/ocz034
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Kushner,MattG
中科院分区：
文献类型：
--
作者：
Kummerfeld,Erich;Rix,Alexander;Anker,JustinJ;Kushner,MattG
本研究的目的是评估图形学习方法和潜在变量估计方法相结合的可能性，以从观察性临床数据集中挖掘临床有用的信息。材料和方法数据集包含从接受酒精使用障碍治疗的临床样本中自我报告的精神病理症状的测量。我们使用了传统的图学习方法：图的最小绝对收缩和选择算子，以及Friedman的爬山算法；传统的潜变量估计方法因子分析；新近发展的图学习方法贪婪快速因果推理；以及新近发展的潜变量估计方法寻找一个因子聚类。结果最近发展的图解方法确定了影响特定分数的潜在潜在变量(即模型中未表示的变量)。最近开发的潜在效应估计方法确定了因子分析没有发现的可信的交叉得分负荷。对个别项目的图形分析发现了1份问卷的措辞错误，并提供了进一步的证据，表明某些分数不能反映间接测量的共同原因。讨论和结论我们的研究结果表明，贪婪的快速因果推理和找到一种因素聚类相结合可以提高精神病理学概念和问卷的循证信息产出。传统方法提供了一些相同的信息，但遗漏了其他重要的发现。这些结论指出了比目前普遍采用的对现有和未来数据集进行更多信息性讯问的方向。
ObjectiveThe objective of this study was to assess the potential of combining graph learning methods with latent variable estimation methods for mining clinically useful information from observational clinical data sets.Materials and MethodsThe data set contained self-reported measures of psychopathology symptoms from a clinical sample receiving treatment for alcohol use disorder. We used the traditional graph learning methods: Graphical Least Absolute Shrinkage and Selection Operator, and Friedman's hill climbing algorithm; traditional latent variable estimation method factor analysis; recently developed graph learning method Greedy Fast Causal Inference; and recently developed latent variable estimation method Find One Factor Clusters. Methods were assessed qualitatively by the content of their findings.ResultsRecently developed graphical methods identified potential latent variables (ie, not represented in the model) influencing particular scores. Recently developed latent effect estimation methods identified plausible cross-score loadings that were not found with factor analysis. A graphical analysis of individual items identified a mistake in wording on 1 questionnaire and provided further evidence that certain scores are not reflective of indirectly measured common causes.Discussion and ConclusionOur findings suggest that a combination of Greedy Fast Causal Inference and Find One Factor Clusters can enhance the evidence-based information yield from psychopathological constructs and questionnaires. Traditional methods provided some of the same information but missed other important findings. These conclusions point the way toward more informative interrogations of existing and future data sets than are commonly employed at present.
登录
查看更多内容
DOI：
--
发表时间：
1982
期刊：
The Journal of biological chemistry
影响因子：
--
作者：
White,BA;Bancroft,FC
通讯作者：
Bancroft,FC
大鼠成年海马β神经生长因子序列及合成位点
影响因子：
4.2
作者：
S. Whittemore;S. Whittemore;P. Friedman;D. Larhammar;H. Persson;M. Gonzalez;V. Holets
通讯作者：
V. Holets
眼镜蛇毒液中神经生长因子的纯化、表征和部分氨基酸序列。
影响因子：
2.9
作者：
R. Hogue;W. Frazier;J. Jacobs;H. Niall;R. Bradshaw
通讯作者：
R. Bradshaw
β-神经生长因子在中枢神经系统中的表达、定位及功能意义
影响因子：
--
作者：
S. Whittemore;Å. Seiger
通讯作者：
Å. Seiger
一种简单、快速的多聚 A RNA 纯化方法。
影响因子：
2.7
作者：
J. E. Badley;Gail A. Bishop;T. S. John;J. A. Frelinger
通讯作者：
J. A. Frelinger