Conditional growth charts
条件生长曲线图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：摘要直接研究条件分位数回归，并使用同一个体的不规则纵向测量及既往观测信息。
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…
条件生长曲线图
- 研究问题
- 如何利用个体既往测量与协变量构造个性化生长曲线，并在不规则纵向测量和异常值存在时估计条件分位数？
- 方法与思路
- 作者研究全局半参数分位数回归，利用纵向参照数据估计条件分位数，并提出协变量秩得分检验和模型评估工具。
- 材料陈述的贡献
- 摘要称模型可纳入协变量，对异常值具有一定稳健性，并提供大样本推断与纵向生长数据的模型评估方法。
- 阅读关注点
- 应核对条件分位数的设定、个体内依赖的处理、不规则测量时间的要求，以及稳健性和秩得分检验的具体条件。
- 阅读边界
- 仅据版本未注明的索引摘要，无法判断稳健性的程度、纵向抽样条件或检验校准效果；无需通常分布假设不等于无需假设。
原文摘要
Growth charts are often more informative when they are customized per subject, taking into account prior measurements and possibly other covariates of the subject. We study a global semiparametric quantile regression model that has the ability to estimate conditional quantiles without the usual distributional assumptions. The model can be estimated from longitudinal reference data with irregular measurement times and with some level of robustness against outliers, and it is also flexible for including covariate information. We propose a rank score test for large sample inference on covariates, and develop a new model assessment tool for longitudinal growth data. Our research indicates that the global model has the potential to be a very useful tool in conditional growth chart analysis.