Latent Variable Models for Teratogenesis Using Multiple Binary Outcomes
利用多个二元结局研究致畸作用的潜变量模型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：摘要中的二元变量是出生缺陷结局，潜变量用于联合测量严重程度，未明确涉及离散选择行为或结构经济模型。
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…
利用多个二元结局研究致畸作用的潜变量模型
- 研究问题
- 当致畸暴露可能产生多种出生缺陷时，如何联合描述多个二元结局的暴露关联，并衡量每名儿童的病情严重程度？
- 方法与思路
- 作者建立潜变量模型，联合刻画暴露与多个二元结局的关系，比较暴露组与对照组，并用抗惊厥药相关研究数据说明。
- 材料陈述的贡献
- 摘要称该方法既支持多个结局上的组间比较，又提供儿童病情严重程度的度量，将多种缺陷纳入统一描述。
- 阅读关注点
- 应核对潜变量的定义与识别、严重程度量尺的含义、二元结局之间的关联设定，以及暴露组与对照组的可比性。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明潜变量识别条件及暴露分配机制，不能据此认定因果效应。
原文摘要
Multiple outcomes are commonly measured in the study of birth defects. The reason is that most teratogens do not cause a single, uniquely defined defect, but rather result in a range of effects, including major malformations, minor anomalies, and deficiencies in birth weight, length and head circumference. The spectrum of effects associated with a particular teratogen is sometimes described as a “syndrome.” In this article we develop a latent variable model to characterize exposure effects on multiple binary outcomes. Not only does the method allow comparisons of control and exposed infants with respect to multiple outcomes, but it also provides a measure of the “severity” of each child's condition. Data from a study of the teratogenic effects of anticonvulsants illustrate our results.