Multilevel Matrix-Variate Analysis and its Application to Accelerometry-Measured Physical Activity in Clinical Populations
多层矩阵变量分析及其在临床人群加速度计活动测量中的应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要主要发展矩阵型多层测量的统计框架，未明确研究所列经济面板或其他计量细分问题。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
多层矩阵变量分析及其在临床人群加速度计活动测量中的应用
- 研究问题
- 当每名个体被重复记录为矩阵型测量时，如何同时处理矩阵行列相关性与多层研究设计，并比较不同临床亚组的活动模式？
- 方法与思路
- 作者结合具有可分解行列协方差的矩阵变量分布和线性混合效应框架，容纳交叉、嵌套设计并定义矩阵型组间距离与组内相关。
- 材料陈述的贡献
- 摘要称框架支持多种重复矩阵测量设计，提出相应距离和相关指标，并以模拟及心力衰竭患者长期活动数据展示可行性。
- 阅读关注点
- 应核对行列协方差可分解假设、各层随机效应的含义、矩阵距离和组内相关的定义，以及临床亚组比较如何处理混杂。
- 阅读边界
- 索引摘要未注明稿件版本；具体亚组差异和模型稳健性未说明，观察到的活动差异不能直接解释为不良临床事件的因果效应。
原文摘要
The number of studies where the primary measurement is a matrix is exploding. In response to this, we propose a statistical framework for modeling populations of repeatedly observed matrix-variate measurements. The 2D structure is handled via a matrix-variate distribution with decomposable row/column-specific covariance matrices and a linear mixed effect framework is used to model the multilevel design. The proposed framework flexibly expands to accommodate many common crossed and nested designs and introduces two important concepts: the between-subject distance and intraclass correlation coefficient, both defined for matrix-variate data. The computational feasibility and performance of the approach is shown in extensive simulation studies. The method is motivated by and applied to a study that monitored physical activity of individuals diagnosed with congestive heart failure (CHF) over a 4- to 9-month period. The long-term patterns of physical activity are studied and compared in two CHF subgroups: with and without adverse clinical events. Supplementary materials for this article, that include de-identified accelerometry and clinical data, are available online.