Bayesian Semiparametric Joint Models for Functional Predictors
函数型预测变量的贝叶斯半参数联合模型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：摘要研究生物医学函数型数据的联合建模与预测，未提供宏观预测或其他所列经济计量方向的依据。
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…
关注这篇论文的作者
函数型预测变量的贝叶斯半参数联合模型
- 研究问题
- 如何联合刻画激素等函数型预测变量与响应之间的关系，并根据轨迹形状及响应特征进行聚类和早期妊娠丢失预测？
- 方法与思路
- 作者用多元自适应样条描述轨迹，以带随机截距的广义线性模型描述响应，并通过联合 Dirichlet 过程关联两类随机参数。
- 材料陈述的贡献
- 摘要称，该模型能按轨迹形状和响应模型参数形成聚类，同时允许两部分纳入协变量，并在孕酮数据中用于预测早期妊娠丢失。
- 阅读关注点
- 应核对联合先验、聚类含义和后验计算，并检查预测评估是否使用独立验证、如何处理轨迹观测误差及不规则采样。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明预测验证设计、性能数值或外部适用性，不能将预测关系解释为因果效应。
原文摘要
Motivated by the need to understand and predict early pregnancy loss using hormonal indicators of pregnancy health, this paper proposes a semiparametric Bayes approach for assessing the relationship between functional predictors and a response. A multivariate adaptive spline model is used to describe the functional predictors, and a generalized linear model with a random intercept describes the response. Through specifying the random intercept to follow a Dirichlet process jointly with the random spline coefficients, we obtain a procedure that clusters trajectories according to shape and according to the parameters of the response model for each cluster. This very flexible method allows for the incorporation of covariates in the models for both the response and the trajectory. We apply the method to post-ovulatory progesterone data from the Early Pregnancy Study and find that the model successfully predicts early pregnancy loss.