Multivariate functional response regression, with application to fluorescence spectroscopy in a cervical pre-cancer study

بسیاری از مطالعات علمی، انواع مختلفی از سیگنال های با ابعاد یا تصاویر از یک موضوع را اندازه گیری می کنند، داده های عملکرد چند متغیره را تولید می کنند. این اندازه گیری های عملکردی انواع مختلفی از اطلاعات مربوط به فرآیند علمی را ارائه می دهند و یک تحلیل مشترک که اطلاعات را در بین آنها ادغام می کند ممکن است بینش جدیدی را در مورد مکانیزم پایه ای این پدیده مورد مطالعه قرار دهد. با استفاده از داده های اسپکتروسکوپی فلورسانس در یک مطالعه قبل از سرطان دهانه رحم، یک مدل رگرسیون پاسخ عملکرد چند متغیره پیشنهاد شده است که مشاهدات عملکرد چند متغیره را به عنوان پاسخ ها و مجموعه ای مشترک از کوواریات ها به عنوان پیش بینی کننده ها مورد بررسی قرار می دهد. این چارچوب مدلسازی جدید به طور همزمان برای همبستگی بین متغیرهای عملکردی و ساختارهای بالقوه چند سطح در داده هایی که با طراحی تجربی ایجاد می شود، حساب می شود. این مدل با انجام یک تحول خطی دو مرحله ای - یک گسترش مبنایی به هر یک از متغیرهای عملکردی و سپس آنالیز مولفه های اصلی برای ضرایب پایه پیوندی است. این تحول به طور موثر ارتباطات داخل و بین کار را کاهش می دهد و محاسبات سریع و راحت را آسان می کند. یک روش به طور کامل بیزی برای نمونه برداری از پارامترهای مدل در فضای تغییر یافته اتخاذ می شود و پس از معکوس کردن ضریب رگرسیون معکوس خلفی به دامنه اصلی داده انجام می شود. رویکرد پیشنهادی تست های عملکردی را ایجاد می کند که در آن مناطق منطقه را بر روی اثرات کاربردی پرچم می کند، در حالی که کنترل خطا در آزمایش کلی و یا کشف کاذب. این همچنین تحلیل تجزیه و تحلیل عملکردی را از طریق محاسبه پیش بینی خلفی را امکان پذیر می سازد. تجزیه و تحلیل داده های طیف سنجی فلورسانس مناطق منطقه ای با بیانات دیفرانسیلی در نمونه های پیش از سرطان و طبیعی را نشان می دهد. این مناطق ممکن است به عنوان نشانگرهای زیست شناختی برای پیش آگهی و ارزیابی بیماری عمل کنند.