A linear mixed model for predicting a binary event from longitudinal data under random effects misspecification.
A linear mixed model for predicting a binary event from longitudinal data under random effects misspecification.
复制标题
DOI：
10.1002/sim.4405
复制
发表时间：
2012-01-30
影响因子：
2
通讯作者：
Albert, Paul S.
中科院分区：
文献类型：
--
作者：
Albert, Paul S.
使用纵向数据预测随后的二元事件往往是诊断研究的重点。这在产科尤其重要，在胎儿发育期间进行的超声测量可能有助于预测各种不良妊娠结局。我们提出了一个建模框架，用于预测一个二进制事件的纵向测量共享的随机效应链接在一起的两个过程。在高斯随机效应假设下，该方法很容易用标准统计软件实现。使用渐近和模拟结果，我们表明，高斯随机效应分布下的预测精度的估计是强大的严重误指定这个分布。然而，在某些情况下，个体风险的估计可能对严重的随机效应错误设定敏感。我们用一个纵向胎儿生长研究的数据来说明这种方法。
The use of longitudinal data for predicting a subsequent binary event is often the focus of diagnostic studies. This is particularly important in obstetrics, where ultrasound measurements taken during fetal development may be useful for predicting various poor pregnancy outcomes. We propose a modeling framework for predicting a binary event from longitudinal measurements where a shared random effect links the two processes together. Under a Gaussian random effects assumption, the approach is simple to implement with standard statistical software. Using asymptotic and simulation results, we show that estimates of predictive accuracy under a Gaussian random effects distribution are robust to severe misspecification of this distribution. However, under some circumstances, estimates of individual risk may be sensitive to severe random effects misspecification. We illustrate the methodology with data from a longitudinal fetal growth study.
登录
查看更多内容
DOI：
10.1198/016214505000000501
发表时间：
2005-09-01
影响因子：
3.7
作者：
Wang, CP;Brown, CH;Bandeen-Roche, K
通讯作者：
Bandeen-Roche, K
影响因子：
1.8
作者：
Verbeke, G;Lesaffre, E
通讯作者：
Lesaffre, E
影响因子：
2.7
作者：
CARROLL, RJ;SPIEGELMAN, CH;ABBOTT, RD
通讯作者：
ABBOTT, RD
DOI：
10.1214/10-aoas326
发表时间：
2010-09
期刊：
The annals of applied statistics
影响因子：
--
作者：
Foulkes AS;Azzoni L;Li X;Johnson MA;Smith C;Mounzer K;Montaner LJ
通讯作者：
Montaner LJ
影响因子：
6.1
作者：
WHITE, H
通讯作者：
WHITE, H