Empirical Bayes Estimation of Rates in Longitudinal Studies
纵向研究中变化率的经验贝叶斯估计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：摘要直接研究个体纵向随访资料及个体变化率，与面板数据中的重复观测问题相关。
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
纵向研究中变化率的经验贝叶斯估计
- 研究问题
- 当流行病学纵向研究的随访间隔不规则、传统生长曲线分析难以使用时，如何估计个体变化率以支持探索分析？
- 方法与思路
- 作者针对较短随访间隔提出使用个体变化率，并发展其经验贝叶斯估计方法，以女性随年龄骨质流失作为例子。
- 材料陈述的贡献
- 摘要推荐并构造个体变化率的经验贝叶斯估计，为不规则随访资料的探索分析提供方法，并展示骨质流失应用。
- 阅读关注点
- 核对变化率的定义、短随访间隔条件和经验贝叶斯模型，检查不规则观测时间、测量误差及个体间差异如何处理。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；先验结构、误差模型和应用结果未说明，不能推断适用于长间隔或任意纵向过程。
原文摘要
The usually irregular follow-up intervals in epidemiologic studies preclude the use of classical growth curve analysis. For short follow-up intervals, it is suggested that individual rates of change are useful for exploratory analysis. Empirical Bayes estimates of these rates of change are recommended and developed. An example of bone loss with age in women is also given.