一种纵向数据的贝叶斯敏感性分析方法及系统

专利主权项内容

1.一种纵向数据的贝叶斯敏感性分析方法，其特征在于：包括以下步骤：获取针对某种特定疾病的若干个研究对象的临床医学观测数据；每个研究对象的临床医学观测数据包括若干个临床医学观测指标的纵向数据；将临床医学观测指标划分为时变暴露变量，基线混杂变量、时变混杂变量，时变中介变量和结果变量，以形成原始样本集；估计原始样本集中作为时变暴露变量，基线混杂变量、时变混杂变量，时变中介变量和结果变量的临床医学观测指标之间的直接、间接以及交互效应，记为纵向因果中介效应真实值；在非结果变量的临床医学观测指标中选取两个分别作为基线未测量混杂变量和时变未测量混杂变量，其余临床医学观测指标所对应的变量保持不变；基于临床医学观测指标所对应的变量形成因果图；将其余的临床医学观测指标的纵向数据形成观测变量数据集，观测变量数据集中的单个样本包括一个研究对象的时变暴露变量、基线混杂变量、时变混杂变量，时变中介变量和结果变量所对应的纵向数据；估计观测变量数据集中作为时变暴露变量，基线混杂变量、时变混杂变量，时变中介变量和结果变量的临床医学观测指标之间的直接、间接以及交互效应，记为纵向因果中介效应估计值；基于因果图构建联合概率密度函数，假定基线未测量混杂变量、时变未测量混杂变量、时变混杂变量和结果变量服从正态分布；假定时变暴露变量和时变中介变量服从伯努利分布；根据上述假定确定联合概率密度函数的参数与偏置参数的表达式；设定偏置参数的先验分布服从均匀分布；通过未测量混杂变量的似然函数和偏置参数的先验分布，得到联合概率密度函数的参数的后验分布；利用蒙特卡罗模拟方法从联合概率密度函数的参数的后验分布中获得联合概率密度函数的参数；根据确定参数后的联合概率密度函数以及观测变量数据集模拟出观测变量数据集副本；所述观测变量数据集副本的单个样本包括基线未测量混杂变量、时变未测量混杂变量、时变暴露变量、基线混杂变量、时变混杂变量，时变中介变量和结果变量；估计观测变量数据集副本中作为时变暴露变量、基线混杂变量、时变混杂变量，时变中介变量和结果变量的临床医学观测指标之间的直接、间接以及交互效应，记为纵向因果中介效应模拟值；根据纵向因果中介效应模拟值相较于纵向因果中介效应真实值的置信区间，评估所选取的两个临床医学观测指标对结果变量所对应的临床医学观测指标的直接、间接以及交互效应的影响。。来源：百度搜索马克数据网