Comparison of Longitudinal Trajectories Using a High-Dimensional Partial Linear Semiparametric Mixed-Effects Model
利用高维部分线性半参数混合效应模型比较纵向轨迹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：摘要明确研究同一对象的不规则纵向观测与混合效应轨迹比较，其重复观测结构直接对应面板数据方向。
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…
关注这篇论文的作者
利用高维部分线性半参数混合效应模型比较纵向轨迹
- 研究问题
- 面对高维协变量与不规则观测时间，如何比较不同群体纵向轨迹的线性及非线性部分，并开展变量选择后的推断？
- 方法与思路
- 作者采用部分线性半参数混合效应模型，以字典搜索选择非线性基函数，对线性部分去偏，并用自助法比较非线性部分。
- 材料陈述的贡献
- 摘要提出线性部分的选择后去偏推断及非线性轨迹比较方法，报告模拟和儿童口腔白色念珠菌浓度纵向队列应用。
- 阅读关注点
- 应核对高维稀疏性要求、随机效应与时间相关结构、基函数搜索规则，以及去偏和自助法如何处理选择带来的不确定性。
- 阅读边界
- 材料为稿件版本未注明的 Europe PMC／PubMed 索引摘要；理论条件及数值结果未说明，群体轨迹差异不能据此解释为因果效应。
原文摘要
In longitudinal research, it is essential to compare sets of trajectories, commonly seen as changes over time in different treatment or patient groups. This paper presents a partial linear semiparametric mixed-effects model (PLSMM) for the analysis and comparison of nonlinear longitudinal trajectories with high-dimensional covariates across groups. Our flexible modeling framework can effectively handle complex temporal effects and extensive data while providing statistical inference. This method is particularly useful for evaluating differences in both linear and nonlinear components between groups, with a key strength being its ability to model nonlinear patterns without requiring prior knowledge of the functional forms. Instead, it employs a dictionary search strategy to automatically select appropriate basis functions to capture the nonlinear trends. This approach is also capable of handling longitudinal observations with irregular time points. A novel debiasing procedure is proposed for the post-selection inference on the linear components of PLSMM, and a bootstrap method is used for the comparison of nonlinear components. The model has been tested in different simulation settings and applied to a cohort study examining the evolution of oral Candida albicans concentration in young children from birth to two years of age in different racial groups.