Identifying multiple change points in a linear mixed effects model.
Identifying multiple change points in a linear mixed effects model.
复制标题
DOI：
10.1002/sim.5996
复制
发表时间：
2014-03-15
影响因子：
2
通讯作者：
Albert, Paul S.
中科院分区：
文献类型：
--
作者：
Lai, Yinglei;Albert, Paul S.
关键词：
虽然已经开发了纵向数据的变点分析方法，但通常感兴趣的是检测纵向数据中的多个变点。在本文中，我们提出了一个线性混合效应建模框架，用于识别纵向高斯数据中的多个变点。具体来说，我们开发了一种新的统计和计算框架，集成了期望最大化（EM）和动态规划（DP）算法。我们进行了全面的模拟研究，以证明我们的方法的性能。我们的方法是说明了从一项试验的数据分析，评估行为干预控制青少年I型糖尿病与HbA1c的纵向响应变量。
Although change-point analysis methods for longitudinal data have been developed, it is often of interest to detect multiple change-points in longitudinal data. In this paper, we propose a linear mixed effects modeling framework for identifying multiple change-points in longitudinal Gaussian data. Specifically, we develop a novel statistical and computational framework that integrates the Expectation-Maximization (E-M) and the Dynamic Programming (DP) algorithms. We conduct a comprehensive simulation study to demonstrate the performance of our method. Our method is illustrated with an analysis of data from a trial evaluating a behavioral intervention for the control of type I diabetes in adolescents with HbA1c as the longitudinal response variable.
登录
查看更多内容
影响因子：
1.9
作者：
Picard, F.;Robin, S.;Daudin, J.-J.
通讯作者：
Daudin, J.-J.
DOI：
10.1046/j.0035-9254.2003.05116.x
发表时间：
2004-01-01
影响因子：
1.6
作者：
Jackson, CH;Sharples, LD
通讯作者：
Sharples, LD
影响因子：
2.1
作者：
Olshen, AB;Venkatraman, ES;Wigler, M
通讯作者：
Wigler, M
影响因子：
2.2
作者：
Rigaill, G.;Lebarbier, E.;Robin, S.
通讯作者：
Robin, S.
影响因子：
2.1
作者：
Albert, PS;Hunsberger, SA;Taylor, PR
通讯作者：
Taylor, PR