多施設青年期脳および認知発達研究のベイズ統合混合モデリングフレームワーク

科学分野:

• 神経科学
• 生物統計学
• データサイエンス

背景:

• 多施設コホート研究からの高次元で異種なデータの分析は、変数選択と予測における課題を提示します。
• データの複雑な階層構造は、専門的な分析フレームワークを必要とします。

研究 の 目的:

• 変数選択と結果モデリングの同時実行のためのベイズ統合解析および予測（BIP）フレームワークを拡張すること。
• 複数視点の入れ子階層データのための新しいベイズ統合混合モデリング（BIPmixed）フレームワークを開発すること。
• 行動結果予測のために、BIPmixedを青年期脳認知発達（ABCD）研究に適用すること。

主な方法:

• ベイズ統合混合モデリング（BIPmixed）フレームワークを開発しました。
• 階層データにおける解釈可能性と予測を高めるために、2レベルの入れ子ランダム効果を組み込みました。
• ABCD研究からの複数視点データ（構造的/機能的MRI、幼少期の逆境）にBIPmixedを適用しました。

主要な成果:

• BIPmixedは、入れ子になったサンプリング構造を考慮しながら、複数視点のデータを効果的に統合します。
• シミュレーション研究では、異なるランダム効果設定におけるBIPmixedの頑健性が実証されました。
• ABCD研究において、関連する変数を特定し、行動結果を予測しました。

結論:

• BIPmixedは、複雑で階層的かつ複数視点のデータを持つ大規模研究を分析するための貴重なツールです。
• このフレームワークは、入れ子データ設定における変数選択と予測精度を向上させます。
• ABCD研究のような複雑なコホート研究の堅牢な分析を促進します。