Bayesian Inference on Changes in Response Densities Over Predictor Clusters
预测变量轨迹聚类间响应密度变化的贝叶斯推断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：摘要明确比较轨迹簇间连续响应的完整密度及尾部变化，对应分布分析方向。
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…
预测变量轨迹聚类间响应密度变化的贝叶斯推断
- 研究问题
- 如何按时变暴露或生物标志物轨迹对个体聚类，并灵活比较不同轨迹群体的连续结局分布及其尾部差异？
- 方法与思路
- 作者提出半参数贝叶斯方法，无需预先指定聚类个数，并允许响应分布在预测变量轨迹簇之间以非参数方式变化。
- 材料陈述的贡献
- 摘要称该方法可灵活描述不同孕期体重增长轨迹簇之间、经分娩孕周调整的出生体重密度，尤其是密度尾部差异。
- 阅读关注点
- 应核对轨迹聚类与响应密度的联合建模方式、簇数不确定性如何传播，以及孕周调整和尾部差异推断的实现。
- 阅读边界
- 仅依据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明先验、理论保证或数值结果，簇间分布差异不能自动解释为因果效应。
原文摘要
In epidemiology, it is often of interest to assess how individuals with different trajectories over time in an environmental exposure or biomarker differ with respect to a continuous response. For ease in interpretation and presentation of results, epidemiologists typically categorize predictors prior to analysis. To extend this approach to time-varying predictors, one can cluster individuals by their predictor trajectory, with the cluster index included as a predictor in a regression model for the response. This article develops a semiparametric Bayes approach, which avoids assuming a pre-specified number of clusters and allows the response to vary nonparametrically over predictor clusters. This methodology is motivated by interest in relating trajectories in weight gain during pregnancy to the distribution of birth weight adjusted for gestational age at delivery. In this setting, the proposed approach allows the tails of the birth weight density to vary flexibly over weight gain clusters.