Multivariate Analysis of Longitudinal Ordinal Data With Mixed Effects Models, With Application to Clinical Outcomes in Osteoarthritis
纵向有序数据的多元混合效应分析及骨关节炎临床应用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：摘要明确涉及重复测量的纵向数据，以及用多元 probit 模型分析有序离散结局。
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…
纵向有序数据的多元混合效应分析及骨关节炎临床应用
- 研究问题
- 如何联合分析重复测量的多个有序临床结局，评估治疗作用，同时描述不能归于治疗效应的结局间内在相关性？
- 方法与思路
- 作者建立多元 probit 混合效应模型；因完整最大似然计算困难，结合成对建模与随机 EM 算法进行估计。
- 材料陈述的贡献
- 摘要称，联合方法比单结局分析提供更多治疗评估信息，并以犬骨关节炎的四个有序结局展示较低计算成本下的表现。
- 阅读关注点
- 应核对潜在变量与有序等级的连接、随机效应如何刻画纵向及跨结局相关性，以及成对估计的不确定性处理和比较基准。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；试验分配方式、相关结构和效率比较数值未说明，不能仅凭模型确认治疗的因果解释。
原文摘要
Our objective was to evaluate the efficacy of robenacoxib in osteoarthritic dogs using four ordinal responses measured repeatedly over time. We propose a multivariate probit mixed effects model to describe the joint evolution of endpoints and to evidence the intrinsic correlations between responses that are not due to treatment effect. Maximum likelihood computation is intractable within reasonable time frames. We therefore use a pairwise modeling approach in combination with a stochastic EM algorithm. Multidimensional ordinal responses with longitudinal measurements are a common feature in clinical trials. However, the standard methods for data analysis use unidimensional models, resulting in a loss of information. Our methodology provides substantially greater insight than these methods for the evaluation of treatment effects and shows a good performance at low computational cost. We thus believe that it could be used in routine practice to optimize the evaluation of treatment efficacy.