Bayesovský AFT model s vícerozměrnými dvojitě intervalově cenzorovanými daty a flexibilními předpoklady o rozdělení

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F08%3A00100056" target="_blank" >RIV/00216208:11320/08:00100056 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Bayesian accelerated failure time model with multivariate doubly-interval-censored data and flexible distributional assumptions

Popis výsledku v původním jazyce

In this article we consider the relationship of covariates to the time to caries of permanent first molars. This involves an analysis of multivariate doubly interval-censored data. To describe this relationship, we suggest an accelerated failure time model with random effects, taking into account that the observations are clustered. Indeed, up to four permanent molars per child enter into the analysis, implying up to four caries times for each child. Each distributional part of the model is specified ina flexible way as a penalized Gaussian mixture with an overspecified number of mixture components. A Bayesian approach with the Markov chain Monte Carlo methodology is used to estimate the model parameters, and a software package in the R language has been written that implements it.

Název v anglickém jazyce

Bayesian accelerated failure time model with multivariate doubly-interval-censored data and flexible distributional assumptions

Popis výsledku anglicky

In this article we consider the relationship of covariates to the time to caries of permanent first molars. This involves an analysis of multivariate doubly interval-censored data. To describe this relationship, we suggest an accelerated failure time model with random effects, taking into account that the observations are clustered. Indeed, up to four permanent molars per child enter into the analysis, implying up to four caries times for each child. Each distributional part of the model is specified ina flexible way as a penalized Gaussian mixture with an overspecified number of mixture components. A Bayesian approach with the Markov chain Monte Carlo methodology is used to estimate the model parameters, and a software package in the R language has been written that implements it.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

BB - Aplikovaná statistika, operační výzkum

OECD FORD obor

—

Projekt

—

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2008

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Journal of the American Statistical Association

ISSN

0162-1459

e-ISSN

—

Svazek periodika

103

Číslo periodika v rámci svazku

482

Stát vydavatele periodika

US - Spojené státy americké

Počet stran výsledku

11

Strana od-do

—

Kód UT WoS článku

000257897500011

EID výsledku v databázi Scopus

—