[论文解读] Discussion paper. Conditional growth charts

Ying Wei, Xuming He|ArXiv.org|Feb 22, 2007

Multi-Criteria Decision Making参考文献 38被引用 78

一句话总结

本文提出了一种用于条件生长图的全局半参数分位数回归模型，该模型利用具有不规则测量时间与协变量的纵向数据，估计个体特异性生长百分位数，且无需假设正态性。该方法通过秩统计量检验实现稳健推断，并通过结合先前的生长轨迹，提高了识别异常生长模式的准确性，相较于传统横断面参考图，在检测临床相关偏差方面表现更优。

ABSTRACT

Growth charts are often more informative when they are customized per subject, taking into account prior measurements and possibly other covariates of the subject. We study a global semiparametric quantile regression model that has the ability to estimate conditional quantiles without the usual distributional assumptions. The model can be estimated from longitudinal reference data with irregular measurement times and with some level of robustness against outliers, and it is also flexible for including covariate information. We propose a rank score test for large sample inference on covariates, and develop a new model assessment tool for longitudinal growth data. Our research indicates that the global model has the potential to be a very useful tool in conditional growth chart analysis.

研究动机与目标

• 开发一种灵活且稳健的方法，用于构建结合个体生长史与协变量的条件生长图。
• 解决传统横断面生长图的局限性，后者未能考虑先前的生长模式，可能导致将正常的‘追赶性生长’误判为异常。
• 通过秩统计量检验，在纵向生长数据中实现对协变量的大样本推断，确保对异常值和非正态性的稳健性。
• 引入一种专为纵向生长数据设计的新模型评估工具，以改进对条件参考曲线的评估。
• 展示全局半参数模型在捕捉真实数据特征（如不规则测量时间与非正态分布）下的个体化生长趋势方面优于其他方法。

提出的方法

• 使用全局半参数分位数回归模型估计生长测量的条件分位数，避免对分布形式的参数假设。
• 采用B样条基函数建模条件分位数函数，实现对生长与协变量之间关系的灵活非参数估计。
• 应用秩统计量检验进行协变量的大样本推断，该检验对重尾误差和异常值具有稳健性。
• 提出一种基于残差过程与经验分位数比较的新模型评估工具，用于评估纵向设置下的模型拟合度。
• 采用两阶段估计程序：首先通过最小化检验损失函数估计条件分位数函数，随后应用渐近理论进行推断。
• 基于弱正则性条件（假设D1–D3）与基于核的平滑方法，确保估计量的一致性与渐近正态性。

实验结果

研究问题

• RQ1 半参数分位数回归模型能否有效利用具有不规则测量时间的纵向数据，估计个体特异性生长百分位数？
• RQ2 所提出的模型在识别临床显著的生长偏差方面，相较于传统横断面生长图表现如何？
• RQ3 在多大程度上，通过结合先前的生长史可减少异常生长模式检测中的假阳性？
• RQ4 所提出的秩统计量检验在具有非正态误差的纵向生长数据中，对协变量推断是否有效且稳健？
• RQ5 所提出的新模型评估工具能否可靠地评估复杂纵向数据结构中条件生长图的拟合度？

主要发现

• 当 kn = o(n^{1/4}) 时，全局半参数分位数回归模型在速率 O_p((k_n / n)^{1/2}) 下保持一致性，其中 kn 表示B样条逼近中使用的节点数。
• 在弱正则性条件下，秩统计量检验可对协变量效应提供有效的渐近推断，即使误差为非正态或重尾分布亦成立。
• 与传统横断面图表相比，该模型能更早且更准确地检测出异常生长偏差，尤其在追赶性生长期间表现更优。
• 所提出的模型评估工具通过分析残差过程与分位数偏离，能有效识别条件生长曲线的拟合不足。
• 在较弱假设下，估计量的渐近正态性得以建立，且在原假设下检验统计量的极限分布为正态分布。
• 基于芬兰生长数据的模拟与真实数据分析证实了该模型在临床生长监测中的稳健性与实际应用价值。