相关实验视频
Updated: Jan 20, 2026
Cognitive Development During Adolescence
一个贝叶斯集成混合建模框架用于分析多站点青少年大脑和认知发展研究的研究.
Aidan Neher1, Apostolos Stamenos1, Mark Fiecas1
1Division of Biostatistics and Health Data Science, School of Public Health, University of Minnesota, Minneapolis, MN, USA.
本研究介绍了贝叶斯整合混合建模 (BIPmixed) 用于分析来自大型队列研究的复杂多视图数据. 它有效地选择变量并预测嵌套的等级结构中的结果,比如青少年大脑认知发展研究.
科学领域:
- 神经科学是一个神经科学.
- 生物统计学 生物统计学
- 数据科学数据科学数据科学
背景情况:
- 从多站点队列研究中分析高维,异构的数据,在变量选择和预测方面提出了挑战.
- 数据中复杂的层次结构需要专门的分析框架.
研究的目的:
- 扩展贝叶斯整合分析和预测 (BIP) 框架,用于同时选择变量和结果建模.
- 开发一个新的贝叶斯整合混合建模 (BIPmixed) 框架,用于多视图嵌套的层次数据.
- 将BIPmixed应用于青少年大脑认知发展 (ABCD) 研究,以预测行为结果.
主要方法:
- 开发了贝叶斯整合混合建模 (BIPmixed) 框架.
- 整合了2级嵌套随机效应,以提高层次数据中的解释性和预测性.
- 应用BIP与ABCD研究中的多视图数据 (结构/功能MRI,早期生命逆境) 混合.
主要成果:
- BIPmixed有效地整合了多视图数据,同时考虑了嵌套的采样结构.
- 模拟研究表明,BIP在不同的随机效应设置中混合的稳定性.
- 在ABCD研究中确定了相关变量和预测的行为结果.
结论:
- BIPmixed是分析复杂,分层和多视图数据的大规模研究的宝贵工具.
- 该框架增强了嵌套数据设置中的变量选择和预测准确性.
- 便于对复杂的队列研究进行强有力的分析,例如ABCD研究.
相关概念视频
Cognitive Development During Adolescence
05:33Three-Dimensional Shape Modeling and Analysis of Brain Structures
04:35Development of an Individual-Tree Basal Area Increment Model using a Linear Mixed-Effects Approach
16:08Brain Imaging Investigation of the Impairing Effect of Emotion on Cognition
05:59New Framework for Understanding Cross-Brain Coherence in Functional Near-Infrared Spectroscopy (fNIRS) Hyperscanning Studies
Revisionist Views of Adolescent and Adult Cognition

