文献速递流行病学与生物统计医学教育与科研方法

关于用后验预测检验评估不完整数据模型拟合的注记

A note on posterior predictive checks to assess model fit for incomplete data.
PubMed 文献 · Stat Med · 2016-07-18

本文考察两种基于后验预测分布的方法,用于评估不完整纵向数据的模型拟合:第一种基于重复完整数据,第二种基于重复观测数据。文中讨论了两者的差异并给出解析示例,并将两种检验应用于一项纵向临床试验的数据。所提出的检验可在(Win)BUGS/JAGS/Stan 等标准软件中方便实现。

要点

  • 第一种方法基于重复完整数据评估模型拟合。
  • 第二种方法基于重复观测数据评估模型拟合。
  • 两种检验应用于一项纵向临床试验的数据。

核心结论

  • 本文考察两种基于后验预测分布的方法,用于评估不完整纵向数据的模型拟合,并讨论了两者的差异。

研究设计与样本

  • 方法学注记,比较两种基于后验预测分布的模型拟合评估方法,并给出解析示例。

主要发现

  • 第一种方法基于重复完整数据评估拟合,第二种方法基于重复观测数据评估拟合。
  • 两种检验应用于一项纵向临床试验的数据。
  • 所提出的检验可在(Win)BUGS/JAGS/Stan 等标准软件中方便实现。

局限性

  • 原文未报告局限性

以上解读依据论文摘要(全文未开放获取或许可不允许翻译转载)。

原文

We examine two posterior predictive distribution based approaches to assess model fit for incomplete longitudinal data. The first approach assesses fit based on replicated complete data as advocated in Gelman et al. (2005). The second approach assesses fit based on replicated observed data. Differences between the two approaches are discussed and an analytic example is presented for illustration and understanding. Both checks are applied to data from a longitudinal clinical trial. The proposed checks can easily be implemented in standard software like (Win)BUGS/JAGS/Stan. Copyright © 2016 John Wiley & Sons, Ltd.

来源:Stat Med,查看原文。版权归原作者所有。

引用

  1. Xu D, Chatterjee A, Daniels M, et al. A note on posterior predictive checks to assess model fit for incomplete data. Stat Med. 2016. PMID: 27426216. doi:10.1002/sim.7040

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。