.png){kind=icon}
返回
Extended Joinpoint Regression Methodology for Complex Survey Data
.png){kind=icon}
OA
AI
DOI：10.1002/sim.70374.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
连接点回归可以模拟时间特定汇总估计值的变化趋势。这些方法主要针对非调查数据（如癌症登记数据）进行开发，直到最近才被扩展以利用考虑复杂抽样设计导致时间特定估计值之间存在相关性的调查数据。这种相关性可能出现在具有跨时间点使用相同抽样单位数据的调查中，例如使用多阶段整群样本并在连续时间点使用相同的第一阶段抽样整群的年度国家健康访谈调查。在建模汇总数据时，另一个问题是多阶段整群样本的连接点分析的自由度基于时间点数量，而非调查方法中使用的第一阶段抽样整群数量。为解决此问题，我们提出了个体级数据模型，既考虑时间点之间的相关性，又修正因抽样设计所需的自由度，以实现准确的推断。同时，提出了修正的设计型赤池信息准则（M-dAIC）用于模型选择，以考虑复杂抽样设计。这些新方法通过模拟研究和健康调查数据示例与现有方法进行了经验比较。模拟研究显示，对于使用具有中等至较大类内相关系数（ICC）的复杂调查设计收集的数据，这种新的个体级模型比现有的汇总级模型更准确地识别了真实的连接点数量。
Keyword:
complex survey data
individual-level model
joinpoint regression
modified design-based AIC
trend analysis
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
S
IF:
1.8
论文数:
318
被引数:
3.4W
机构
查看更多机构
引用论文
分享收藏Trend analysis for national surveys: Application to all variables from the Canadian Health Measures Survey cycle 1 to 4.png)
PLOS ONEOAAI
PLOS ONEIF0
OAAI分享收藏 没有更多内容