Shape Detection using Semi-parametric Shape-Restricted Mixed Effects Regression Spline with Applications.
Shape Detection using Semi-parametric Shape-Restricted Mixed Effects Regression Spline with Applications.
复制标题
DOI：
10.1007/s13571-020-00246-7
复制
发表时间：
2021-05
期刊：
影响因子：
--
通讯作者：
Adibi JJ
中科院分区：
文献类型：
--
作者：
Yin Q;Xun X;Peddada SD;Adibi JJ
线性模型广泛用于流行病学领域，以模拟胎盘-胎儿激素与胎儿/婴儿结局之间的关系。当研究者怀疑存在曲线关系时，一些非参数技术，包括回归样条、平滑样条和惩罚回归样条，可以用来建立这种关系的模型。通过应用这些非参数技术，研究人员可以放松线性假设，并捕捉科学上有意义或适当的形状。在本文中，我们专注于回归样条技术，并开发了一种方法，以帮助研究人员选择最合适的形状来描述他们的数据之间的增加，减少，凸，凹形状。具体来说，我们开发了一个混合效应回归样条模型激素数据在本文中描述。所提出的方法是一般性的，足以适用于其他类似的问题。我们使用全州范围内的产前筛查程序数据集来说明该方法。
Linear models are widely used in the field of epidemiology to model the relationship between placental-fetal hormone and fetal/infant outcome. When researchers suspect curvilinear relationship exists, some nonparametric techniques, including regression splines, smoothing splines and penalized regression splines, can be used to model the relationship. By applying these nonparametric techniques, researchers can relax the linearity assumption and capture scientifically meaningful or appropriate shapes. In this paper, we focus on the regression spline technique and develop a method to help researchers select the most suitable shape to describe their data among increasing, decreasing, convex and concave shapes. Specifically, we develop a mixed effects regression spline to model hormonal data described in this paper. The proposed methodology is general enough to be applied to other similar problems. We illustrate the method using a state-wide prenatal screening program data set.
登录
查看更多内容
影响因子：
3
作者：
Tul, N;Pusenjak, S;Novak-Antolic, Z
通讯作者：
Novak-Antolic, Z
影响因子：
3.7
作者：
Farnan, Laura;Ivanova, Anastasia;Peddada, Shyamal D.
通讯作者：
Peddada, Shyamal D.
影响因子：
44.5
作者：
Korevaar, Tim I. M.;Muetzel, Ryan;Peeters, Robin P.
通讯作者：
Peeters, Robin P.
影响因子：
3.8
作者：
Nagata, Chisato;Iwasa, Shinichi;Shimizu, Hiroyuki
通讯作者：
Shimizu, Hiroyuki
影响因子：
1.4
作者：
Meyer, Mary C.
通讯作者：
Meyer, Mary C.