In this paper, a maximum likelihood

In this paper, a maximum likelihood approach is proposed for analyzing panel count data under the gamma frailty non-homogeneous Poisson process model. The approach allows one to estimate the baseline mean function and the regression parameters jointly while taking the within-subject correlation into account. The within-subject correlation is quantified explicitly by Pearson’s correlation coefficient. Monotone splines are adopted to approximate the unspecified nondecreasing baseline mean function in the model. An expectation–maximization (EM) algorithm is derived to facilitate the computation by exploiting a data augmentation based on Poisson latent variables. The EM algorithm is robust to initial values, easy to implement, converges fast, and provides closed-form variance estimates. It can be also applied to the non-homogeneous Poisson model without frailty. The proposed approach is evaluated through simulations and illustrated by two real-life examples coming from a skin cancer study and a bladder tumor study. A companion R package PCDSpline has been developed and is available on R CRAN for public use.

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ มีเสนอวิธีความเป็นไปได้สูงสุดสำหรับการวิเคราะห์ข้อมูลจำนวนแผงแบบแกมมา frailty ไม่เหมือนปัวจำลองกระบวนการ วิธีช่วยให้การประเมินพื้นฐานหมายถึงฟังก์ชันและพารามิเตอร์การถดถอยร่วมขณะที่ความสัมพันธ์ในเรื่องบัญชี ความสัมพันธ์ภายในเรื่องจะ quantified อย่างชัดเจน โดยสัมประสิทธิ์สหสัมพันธ์ของเพียร์สัน ทางเดียว splines มีนำคะเนไม่ระบุ nondecreasing พื้นฐานหมายถึงฟังก์ชันในรูปแบบ อัลกอริทึมมีความคาดหวัง – maximization (EM) มาเพื่อให้ง่ายต่อการคำนวณ โดยการจำแนกข้อมูลตามตัวแปรแฝงอยู่ปัว exploiting อัลกอริทึม EM จะแข็งค่าเริ่มต้น จะใช้ converges รวดเร็ว และช่วยให้การประเมินผลต่างแบบปิด มันสามารถใช้กับแบบปัวซองไม่เหมือนโดย frailty ยัง วิธีการนำเสนอจะถูกประเมิน โดยจำลอง และภาพประกอบ ด้วยตัวอย่างชีวิตจริงสองที่มาจากการศึกษาโรคมะเร็งผิวหนังและการศึกษาเนื้องอกในกระเพาะปัสสาวะ แพคเกจสหาย R PCDSpline ได้รับการพัฒนา และพร้อมใช้งานบน R CRAN สาธารณะ

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เป็นวิธีการที่น่าจะเป็นสูงสุดที่มีการเสนอในการวิเคราะห์ข้อมูลนับแผงภายใต้ความอ่อนแอแกมมาที่ไม่เป็นเนื้อเดียวกันแบบจำลองกระบวนการปัวซอง วิธีการที่จะช่วยให้หนึ่งในการประมาณค่าพารามิเตอร์พื้นฐานหมายถึงการทำงานและการถดถอยในขณะที่การร่วมกันความสัมพันธ์ภายในเรื่องเข้าบัญชี ความสัมพันธ์ภายในเรื่องเป็นวัดอย่างชัดเจนโดยค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สัน ร่องเสียงเดียวจะนำไปใช้ที่ใกล้เคียงกับพื้นฐาน nondecreasing ไม่ระบุหมายถึงฟังก์ชั่นในรูปแบบ ความคาดหวัง-สูงสุด (EM) ขั้นตอนวิธีการที่ได้มาเพื่ออำนวยความสะดวกการคำนวณโดยการใช้ประโยชน์เพิ่มข้อมูลที่อยู่บนพื้นฐานของตัวแปรแฝง Poisson อัลกอริทึม EM มีประสิทธิภาพไปเป็นค่าเริ่มต้นที่ง่ายต่อการใช้ลู่อย่างรวดเร็วและให้ปิดรูปแบบประมาณการแปรปรวน ก็สามารถที่จะนำไปประยุกต์ใช้กับรูปแบบปัวซองที่ไม่เป็นเนื้อเดียวกันโดยไม่ต้องอ่อนแอ วิธีการที่นำเสนอได้รับการประเมินผ่านการจำลองและภาพประกอบโดยสองตัวอย่างในชีวิตจริงมาจากการศึกษาโรคมะเร็งผิวหนังและการศึกษาเนื้องอกในกระเพาะปัสสาวะ แพคเกจสหาย R PCDSpline ได้รับการพัฒนาและสามารถใช้ได้บน R CRAN เพื่อประโยชน์สาธารณะ