Bayesian analysis of case-control studies with categorical covariates
含分类协变量的病例对照研究贝叶斯分析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：分类协变量与病例对照分析本身不足以对应离散选择或因果推断，摘要未提供进一步依据。
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
含分类协变量的病例对照研究贝叶斯分析
- 研究问题
- 病例对照抽样下，如何选择适当的贝叶斯似然与先验，并将分析推广到多个分类或离散化暴露变量及分层建模？
- 方法与思路
- 作者回顾现有贝叶斯方法，区分回顾性与前瞻性似然，扩展多暴露变量模型并讨论合适先验，以 MCMC 拟合并用基因型数据示例。
- 材料陈述的贡献
- 摘要称，频率学派优势比估计的似然等价性不能简单照搬到贝叶斯分析；作者提供多分类暴露变量的扩展、先验及拟合方法。
- 阅读关注点
- 应核对抽样机制如何进入似然、先验相容性的要求、分层结构的设定，以及 MCMC 实现和基因型示例中的参数解释。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；具体先验与后验性质未说明，暴露优势比也不能直接解释为因果效应或刊本结论。
原文摘要
In a case‐control study the appropriate likelihood is the ‘retrospective’ likelihood, i.e. the likelihood of exposure given disease. For the classical frequentist analysis, the ‘prospective’ likelihood, i.e. the likelihood of disease given exposure, and the retrospective likelihood produce the same odds‐ratio estimators for exposure, and so logistic regression may be used for both. The Bayesian analysis is not so simple, but the Bayesian framework for case‐control studies offers flexible possibilities for the hierarchical modelling that is needed in many contexts. We review the Bayesian approaches to the analysis of case‐control studies developed so far, show how to extend these approaches to the situation of a study with any number of categorical or discretised continuous exposure variables, and identifying suitable priors. We then show how the resulting models may be fitted using Markov chain Monte Carlo methods, and provide an illustration based on genotype data.