Joint Models for the Association of Longitudinal Binary and Continuous Processes With Application to a Smoking Cessation Trial
纵向二元与连续过程关联的联合模型及戒烟试验应用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：摘要明确联合建模两个纵向过程，直接涉及重复观测的个体内依赖结构。
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…
纵向二元与连续过程关联的联合模型及戒烟试验应用
- 研究问题
- 当纵向二元与连续过程之间的关联本身是研究目标时，如何灵活且简约地建模；应用关注运动治疗与戒烟、体重变化的关系。
- 方法与思路
- 作者用无约束回归系数刻画两个纵向过程的依赖，采用贝叶斯变量选择，并通过含缺失数据增广步骤的 MCMC 计算后验。
- 材料陈述的贡献
- 摘要称，研究提出关联导向的联合模型及配套后验抽样算法，处理计算实现问题，并用于分析一项戒烟临床试验。
- 阅读关注点
- 应核对关联参数的解释、纵向相关结构、变量选择先验及缺失机制假设，并区分治疗对关联的影响与其他治疗效应目标。
- 阅读边界
- 材料来自稿件版本未注明的 OpenAlex 索引摘要，缺失机制、识别条件和试验结果未提供，不能确认其他版本是否有变化。
原文摘要
Joint models for the association of a longitudinal binary and a longitudinal continuous process are proposed for situations in which their association is of direct interest. The models are parameterized such that the dependence between the two processes is characterized by unconstrained regression coefficients. Bayesian variable selection techniques are used to parsimoniously model these coefficients. A Markov chain Monte Carlo (MCMC) sampling algorithm is developed for sampling from the posterior distribution, using data augmentation steps to handle missing data. Several technical issues are addressed to implement the MCMC algorithm efficiently. The models are motivated by, and are used for, the analysis of a smoking cessation clinical trial in which an important question of interest was the effect of the (exercise) treatment on the relationship between smoking cessation and weight gain.