Unobserved Heterogeneity in Threshold Regression Based on the Hitting Times of a Reflected Brownian Motion for Recurrent Hypoglycemia
基于反射布朗运动首达时间的复发性低血糖阈值回归与不可观测异质性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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究医学复发事件的混合首达时间模型，未明确对应所列经济或金融领域细分。
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
基于反射布朗运动首达时间的复发性低血糖阈值回归与不可观测异质性
- 研究问题
- 利用反射布朗运动首达时间分析复发性低血糖时，如何表示患者之间不同的脆弱性，以及风险因素在不同亚组中的作用差异？
- 方法与思路
- 作者对首达时间分布构造有限混合模型，允许各成分拥有不同回归系数和脆弱性参数，以贝叶斯 MCMC 估计并比较模型。
- 材料陈述的贡献
- 摘要称，实际应用发现风险特征不同的两个亚组，模型比较支持波动率回归系数随成分变化，并报告低波动率组更强的异质性。
- 阅读关注点
- 应核对首达时间模型如何表示复发与个体内依赖、混合成分的识别，以及先验、MCMC 收敛和模型比较指标的稳定性。
- 阅读边界
- 仅据 arXiv 预印本摘要，不能确认同行评审或期刊接收；患者样本、参数定义及比较数值未说明，亚组结果不构成因果解释。
原文摘要
Analyses of recurrent hypoglycemia are critical for effective treatment management in diabetic patients. Typically, within-subject dependency in such analyses is captured through subject-level frailty. Recent research has modeled recurrent hypoglycemia using the first hitting times of a reflected Brownian motion. A close examination of this approach reveals that it does not adequately account for varying frailties among individuals, which indicate notable heterogeneity. To address this gap, we propose a finite mixture model of the first hitting time distribution of the reflected Brownian motion. This model allows for component-specific regression coefficients and frailty parameters, providing nuanced insights into how risk factors differently affect patient subgroups. We employ a Bayesian framework for inference, utilizing Markov chain Monte Carlo for estimation. Model selection is conducted using the Deviance Information Criterion and the Logarithm of the Pseudo-Marginal Likelihood. The effectiveness of these criteria is assessed through simulation studies. Application to recurrent hypoglycemia modeling revealed two subgroups with different risk profiles, as reflected in their volatilities. Bayesian model comparison criteria favor the model with component specific regression coefficients for volatilities. The subgroup with lower volatility exhibits a larger variance and, hence, a greater level of heterogeneity.