通过附加贝叶斯网络在N-of-1观测研究中的多变量选择

科学领域:

• 生物统计学 生物统计学
• 行为科学 行为科学
• 网络分析 网络分析

背景情况:

• N-of-1研究设计对于理解随时间推移的个体变化是有价值的.
• 传统的统计模型可能无法在N-of-1数据中完全捕捉复杂的观测关系.
• 需要先进的方法来分析纵向的单个主体数据.

研究的目的:

• 提出和验证一种用于分析N-of-1观测数据的新型统计方法.
• 用数据来建模一个个体内的变量与时间之间的数据驱动关联.
• 在一个为期12个月的N-of-1研究中探索压力和日常运动参与之间的关系.

主要方法:

• 使用局部平均值的通用线性混合效应模型开发了一个附加贝叶斯网络.
• 拟议的方法通过模拟研究来验证.
• 该方法应用于对压力和运动进行的12个月观察性N-of-1研究.

主要成果:

• 与传统方法相比,添加贝叶斯网络在恢复底层网络结构方面表现更好.
• 该方法成功地模拟了N-of-1研究中的关联.
• 在统计学上发现了压力和体育活动之间的人口层面的关联,但突出了个人层面的差异.

结论:

• 附加贝叶斯网络为N-of-1观测研究中的复杂关系建模提供了一种强大而灵活的方法.
• 这些发现强调了考虑个人层面的变化在压力和体育活动之间的关系的重要性.
• 这种新的方法增强了个性化的健康和行为数据的分析.