In the present paper, progression of non-alcoholic fatty liver disease (NAFLD) process is modeled by Continuous time Markov chains (CTMC) with 4 states .The transition intensities among the states are estimated using maximum likelihood estimation (MLE) method. The transition probabilities are also calculated. The mean sojourn time and its variance are estimated as well as the state probability distribution and its asymptotic covariance matrix. The life expectancy of the patient, one of the important statistical indices, is also obtained. The paper illustrates the new approach of using MLE to compensate for missing values in the follow up periods of patients in the longitudinal studies. This new approach also yields that the estimated rates among states are approximately equals to the observed rates.


翻译:在本文件中,非酒精脂肪肝病(NAFLD)进程的进展由连续时间马可夫链(CTMC)以4个州为模型。各州的过渡强度是使用最大可能性估计法估算的。过渡概率也是计算出来的。平均逗留时间及其差异是估算的,州概率分布和零症状共变矩阵也是估算的。还获得了患者的预期寿命,这是重要的统计指数之一。该文件说明了在纵向研究中,在患者后续阶段使用MLE弥补缺失值的新方法。这一新方法还显示,各州的估计比率与观察到的比率大致相等。

0
下载
关闭预览

相关内容

专知会员服务
52+阅读 · 2020年9月7日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
40+阅读 · 2019年10月9日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
利用动态深度学习预测金融时间序列基于Python
量化投资与机器学习
18+阅读 · 2018年10月30日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Arxiv
3+阅读 · 2018年2月24日
Arxiv
3+阅读 · 2017年12月1日
Arxiv
3+阅读 · 2015年5月16日
Arxiv
3+阅读 · 2014年10月9日
VIP会员
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
利用动态深度学习预测金融时间序列基于Python
量化投资与机器学习
18+阅读 · 2018年10月30日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Top
微信扫码咨询专知VIP会员