在疾病诊断和监测中生物变异(BV)数据有许多应用。一般，用于估计BV的标准统计方法对“有噪声的数据”很敏感，并且需要假设参与者的CV具有同质性。关于BV的先验知识往往被忽略。本研究的目的是开发贝叶斯模型来计算BV (a)对“噪声数据”的稳定，(b)允许参与者CVs内的异质性，(c)利用先验知识。
我们使用自适应的学生t分布而非正态分布来探索不同鲁棒性的贝叶斯模型，并且允许参与者CV有异质性。并将结果与使用来自欧洲生物变异研究的氯化物和甘油三酯数据的标准方法进行了比较。
研究发现，在原始数据集上使用最稳定的贝叶斯方法得到的结果可与使用离群值评估和删除的标准方法相媲美。拟合模型的后验分布为所有可用于评估可靠性的参数提供可信区间。可靠的相关先验被证明对预测有价值。
研究表明，本研究推荐的贝叶斯方法提供了一个清晰的异质性程度的图像，并且粗略估计参与者个人情况的能力可以用来探索相关的亚组。由于BV实验是昂贵和耗时的，因此应该考虑并相应地应用先验知识和估计高价值。通过包含可靠的先验知识，即使使用小的数据集，也可以进行精确的估计。
原始出处：
Thomas Røraas, Sverre Sandberg,A
Bayesian Approach to Biological Variation Analysis
本文系梅斯医学（MedSci）原创编译整理，转载需授权！
小提示：本篇资讯需要登录阅读，点击跳转登录
分享
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#变异#
61 举报