影响的个体内时间变化的动态网络:用于生态瞬间评估的线性自回归混合效应模型
Shakoor Pooseh1,2, Raffael Kalisch3,4, Göran Köber5
1Center for Interdisciplinary Digital Sciences (CIDS), Technische Universität Dresden, Dresden, Germany.
Frontiers in psychiatry
|April 8, 2024
概括
研究人员将情绪状态建模为受外部因素影响的情绪网络. 调查结果显示,在有限的纵向数据和模型对噪声敏感度的情况下,估计单个参数存在挑战.
科学领域:
- 心理学 心理学 心理学
- 计算神经科学是一种神经科学.
- 统计建模 统计建模
背景情况:
- 情绪状态可以被概念化为相互影响的情绪网络.
- 外部因素 (压力,治疗) 可以调节情绪网络动态.
- 多级自回归模型用于分析密集的纵向情绪数据.
研究的目的:
- 为情绪网络正式化和评估外源的线性自回归混合效应模型.
- 调查这些模型与影响情绪节点的外部因素的性能.
- 在各种数据条件下评估模型的可靠性和可行性.
主要方法:
- 开发了一个使用异源线性自回归混合效应模型的数学表示.
- 包含自回归和外源系数的固定和随机效应.
- 进行模拟以在不同的参数设置下验证方法.
主要成果:
- 在典型的纵向设计中,由于观察数量有限,模型性能受到挑战.
- 自动回归混合效应模型表明对噪声强度的敏感性.
- 由于大量的参数,将可扩展到更高的维度是很困难的.
结论:
- 拟议的模型提供了一个分析情绪网络与外部影响的框架.
- 估计个性化的网络参数需要大量的纵向数据.
- 模型的局限性包括对噪声的敏感性和高维应用中的挑战.
更多相关视频
08:36Dynamic Inter-subject Functional Connectivity Reveals Moment-to-Moment Brain Network Configurations Driven by Continuous or Communication Paradigms
Published on: March 21, 2019
7.3K
10:28Dynamic Digital Biomarkers of Motor and Cognitive Function in Parkinson's Disease
Published on: July 24, 2019
15.2K
