纵向数据下利用CSTE曲线选择最优方案

发布时间：2021-04-20 00:45

　　个性化推荐治疗方法在生物医学的研究中受到了广泛地关注。众多学者基于独立数据提出了包括利用SIC（选择效应曲线）,CSTE（协变量指定治疗效应）曲线等方法选择最优治疗手段的个性化推荐方法。考虑到纵向数据是一类重要的数据类型,近年来在生物医学方面有着广泛地应用,存在较多试验对患者进行多次重复测试。如果放弃这部分信息,则会造成很大的损失。因此本文研究纵向数据下如何利用CSTE曲线选择最优的治疗方案。文中采用基于样条的广义估计方程方法来估计CSTE曲线,并证明了CSTE曲线估计的渐近性质。基于CSTE曲线的渐近正态性,本文还给出了CSTE曲线置信带的估计。数值模拟和实例分析的结果表明CSTE曲线及其置信带的估计效果良好。 

【文章来源】：华东师范大学上海市 211工程院校 985工程院校 教育部直属院校

【文章页数】：49 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 引言
    §1.1 研究背景介绍
    §1.2 本文的创新点
    §1.3 本文的框架
第二章 背景知识介绍
    §2.1 广义估计方程
        §2.1.1 工作相关矩阵
    §2.2 B-样条函数
    §2.3 广义变系数模型
第三章 纵向数据下CSTE曲线的估计
    §3.1 纵向数据下CSTE曲线的定义
    §3.2 CSTE曲线的数学模型及含义
    §3.3 纵向数据下CSTE曲线的估计
        §3.3.1 方差的估计
        §3.3.2 相关矩阵的估计方法
        §3.3.3 GEE系数估计方法
第四章 CSTE曲线的渐近性质和置信带估计
    §4.1 CSTE曲线的渐近性质
    §4.2 纵向数据下CSTE曲线的置信带
第五章 数值模拟
    §5.1 实验一
    §5.2 实验二
第六章 实例分析
    §6.1 实例 1
    §6.2 实例 2
第七章 结论与展望
参考文献
致谢



本文编号：3148639