Полноформатные смешанные модели ПУИСОН-Логнормальные для группирования многовариантных данных продольного подсчета

arXiv: 261 010.12860v1 Вид уведомления: новое резюме: многовариантные данные о продольном подсчете возникают в биологических исследованиях, где реакция может быть чрезмерно рассеяна, корреляция между субъектами и во времени, измеренная в нерегулярное время, а также обнаруживается незаметную структуру подгрупп. Наша цель состояла в разработке модели, которая могла бы учитывать чрезмерную дисперсию, продольную зависимость, перекрестную зависимости от результата, ковариатные эффекты, нерегулярное время наблюдения и зависящие от кориата скрытые члены класса. Мы предлагаем смешанную модель с латентным классом Poisson-logical для кластеризации разнородных мультивариативных траекторий подсчета. Оценка проводится с использованием алгоритма EM, разработанного для масштабируемого вывода. Исследования моделирования показывают точную оценку параметров, сильное восстановление латентного класса и надежный выбор числа классов по сравнению с современными подходами. Мы также применили предлагаемый подход к продольным нейтрофильным данным РНК-сека о госпитализированных пациентах COVID-19 в качестве иллюстрата