纵向因子分析仪的组合及其对慢性疼痛评估的应用
Amine Ounajim1,2, Yousri Slaoui2, Pierre-Yves Louis3,4
1PRISMATICS Lab (Predictive Research in Spine/Neurostimulation Management and Thoracic Innovation in Cardiac Surgery), Poitiers University Hospital, Poitiers, France.
Statistics in medicine
|June 6, 2023
概括
这项研究引入了一种用于纵向因子分析的新型混合模型,使复杂,异质数据的分析成为可能. 该方法有效地识别出不同的患者群体及其独特的轨迹,并考虑测量非不变性和不同误差差异.
科学领域:
- 统计 统计 统计 统计
- 生物统计学 生物统计学
- 心理测量 心理测量 心理测量
背景情况:
- 多变量纵向数据分析对于理解时间依赖的过程和共变量影响至关重要.
- 现有的方法可能会在数据异质性和测量不变性方面扎.
研究的目的:
- 提出一种纵向因子分析器 (MLFA) 组合,用于分析异质纵向数据.
- 提取潜伏因素并评估对这些因素的共变量影响.
- 在纵向数据中处理测量非不变性和异性.
主要方法:
- 开发一种混合的纵向因子分析仪模型.
- 应用一个预期-最大化 (EM) 算法进行参数估计.
- 使用贝叶斯信息标准来选择模型 (组件和因素的数量).
主要成果:
- MLFA模型成功地从杂的纵向指示器中提取了潜在因素.
- 该模型识别了具有不同因子轨迹和错误差异的不同隐藏类.
- 在分析模拟和真实世界慢性手术后疼痛数据中证明了实用性.
结论:
- 拟议的MLFA模型为分析复杂的纵向数据提供了一个灵活的框架.
- 它有效地解决了测量不变性和数据异质性的问题.
- 该模型提供了对纵向研究中的特定组轨迹和共变效应的洞察.


