[論文レビュー] EggCounts: a Bayesian hierarchical toolkit to model faecal egg count reductions

Craig Wang, Reinhard Furrer|arXiv (Cornell University)|Apr 30, 2018

Genetic and phenotypic traits in livestock参考文献 15被引用数 3

ひとこと要約

この論文は、ベイズ階層モデルを用いたRパッケージeggCountsを紹介する。このパッケージは、ベイズ階層モデルをStanで実装し、獣医療寄生虫学分野における便中卵数減少率（FECR）をモデル化する。従来のFECRTの限界を克服し、集計、サンプリング変動、ゼロインflatedデータ、小標本、外れ値を、効率的なMCMCサンプリングを用いたガンマ・ポアソン階層モデルで扱い、信頼性の高いクレジブル区間と非専門家にとって直感的な出力を得られる。

ABSTRACT

This is a vignette for the R package eggCounts version 2.0. The package implements a suite of Bayesian hierarchical models dealing with faecal egg count reductions. The models are designed for a variety of practical situations, including individual treatment efficacy, zero inflation, small sample size (less than 10) and potential outliers. The functions are intuitive to use and their output are easy to interpret, such that users are protected from being exposed to complex Bayesian hierarchical modelling tasks. In addition, the package includes plotting functions to display data and results in a visually appealing manner. The models are implemented in Stan modelling language, which provides efficient sampling technique to obtain posterior samples. This vignette briefly introduces different models, and provides a short walk-through analysis with example data.

研究の動機と目的

• 従来のFECRTの限界に対処する。これは、低用量の前処置時カウント、高い集計、ゼロインフレートデータ、小標本サイズの下で失敗する。
• 複雑なモデリング作業から非統計的専門家を保護しながら、メソドロジカルな厳密性を保証する、使いやすいベイズフレームワークを提供する。
• 生物学的集計（ガンマ分布）とサンプリング変動（ポアソン分布）の両方をモデル化することで、便中卵数の推定信頼性を向上させる。
• ゼロの後処置時カウントや潜在的な外れ値を含む挑戦的なデータ状況でも、頑健な推論を可能にする。標準的手法では処理できない。
• 直感的な出力、診断ツール、事後分布およびモデル収束の可視化関数を通じて、解釈を容易にする。

提案手法

• 効率的なハミルトニアン・モンテカルロ（HMC）サンプリングを実現するノ・ユ・ツーナー・サンプラー（NUTS）を用いた、Stan確率プログラミング言語によるベイズ階層モデルの実装。
• 便中卵数をガンマ・ポアソン階層構造でモデル化する：ガンマ分布は個体間の集計を捉え、ポアソン分布はサンプリング変動をモデル化する。
• 個々の治療効果を考慮するため、個体ごとの減少パラメータ（delta）を導入し、ベータ事前分布を用いることで、個体レベルの治療効果を推定可能にする。
• ゼロインフレートデータを扱うために、過剰なゼロを捉える混合成分をモデルに拡張し、処置後で卵が観察されないサンプルでの正確性を向上させる。
• 小標本サイズ（<10）をサポートするため、過剰適合を抑えるのを助けるロバストな事前分布とモデル構造を採用し、事後分布の精度を向上させる。
• MCMC収束を自動的に評価する診断チェック（例：潜在尺度縮小因子R-hat < 1.1、トレースプロット）を統合する。

実験結果

リサーチクエスチョン

• RQ1 ベイズ階層モデルは、特に低カウントまたは高集計状況下で、従来のFECRTに比べてどのように便中卵数減少率（FECR）の推定を改善するか？
• RQ2 ガンマ・ポアソン階層モデルは、便中卵数データにおける生物学的集計とサンプリング変動の両方をどの程度適切に捉えられるか？
• RQ3 すべての処置後カウントがゼロである状況下で、このパッケージはFECRを信頼性を持って推定できるか？これは従来の手法が失敗する状況である。
• RQ4 標準的手法が高い分散と Coverage の悪化を示す小標本設定（n < 10）において、モデルはどの程度効果的か？
• RQ5 モデル診断と事後予測チェックは、ユーザーがモデル適合度を評価し、潜在的な外れ値や事前分布とデータの矛盾を検出するのをどの程度支援するか？

主な発見

• 15頭の動物を含むシミュレートされたペアドデータセットにおいて、中央値のFECRは89.8％であり、95％等尾クリジブル区間は（83.4％、94.1％）であった。
• 真の減少率が95％未満である確率は99.25％と推定され、治療効果の不確実性を定量化するモデルの能力を示している。
• すべてのR-hat値が1.1未満であったため、収束の兆候は確認されず、2000回の反復、1000回のウォームアップ後に信頼性のあるMCMCサンプリングが得られた。
• 事後トレースプロットと密度プロットから、モデルの事前分布（例：減少のためのベータ(1,1)、集計のためのガンマ(1,0.7)）がデータと整合しており、適切にキャリブレーションされていることが確認された。
• パッケージはゼロインフレートデータと小標本を効果的に処理し、変動が大きく前処置時カウントが低い状況下で、従来のFECRTを上回る性能を示した。
• モデルの出力は解釈可能であり、組み込みのプロット関数による視覚的強化により、統計的専門知識がなくてもユーザーが結果に自信を持つことができる。