有限混合多変量汚染正規線形混合モデルを用いた群化多重軌道モデリング

科学分野:

• 生物統計学
• 縦断データ解析
• 機械学習

背景:

• 多変量縦断データの解析は、複雑な生物学的プロセスを理解するために重要です。
• アルツハイマー病神経画像イニシアチブ（ADNI）は、多様な進行パターンと異常な観測により、課題を提示します。
• 既存の方法では、このような異種群化データのモデリングとクラスタリングに対処することが困難です。

研究 の 目的:

• 多変量縦断軌道のモデリングとクラスタリングのための新しい統計モデルを提案する。
• 多峰性や異常な観測を含む、群化された縦断データの複雑性に対処する。
• 共存共変量を組み込むために既存のモデルを拡張し、柔軟性を高める。

主な方法:

• 有限混合多変量汚染正規線形混合モデル（FM-MCNLMM）を開発しました。
• 共変量に依存する混合重みを可能にする拡張バージョン（EFM-MCNLMM）を導入しました。
• 最尤推定のために、交互期待条件付き最大化アルゴリズムを採用しました。

主要な成果:

• 提案されたFM-MCNLMMおよびEFM-MCNLMMモデルは、多変量縦断データを効果的に処理します。
• シミュレーションを通じて、モデルの有用性と有効性を実証しました。
• アルツハイマー病神経画像イニシアチブ（ADNI）コホートデータを解析するために、この方法論を適用しました。

結論:

• 提案された混合モデルは、複雑な群化縦断データを解析するための堅牢なフレームワークを提供します。
• この方法論は、サブグループの特定と疾患進行パターンの理解のための貴重なツールを提供します。
• ADNIデータ解析で示されたように、異常な観測を含む多様な特徴を持つデータを処理する上で、これらのモデルは効果的です。