專案詳細資料
說明
馬可夫迴歸模式在個人化醫療及個人化健康照護的應用愈發廣泛,然而仍有一些方法學上的 問題尚未解決。首先,由於尋找各階段危險因子在個人化健康照護模式是最重要的角色,但多階 段病程中可能存在測量誤差及共變數(Covariates)未能解釋的異質性需要處理。目前並沒有系統化 的方法學如隱藏馬可夫模式用來處理這類的問題。再者,目前利用馬可夫模式估計共變數對多階 段結果的影響大多利用整個族群的資料,然而在收集上會相當地耗費資源以及成本。假若欲探討 的某些新發展之檢測工具由於適用性與檢查費用之考量,無法對於所有篩檢群眾都施行該項檢 查,例如對於全國民眾施行基因檢測以找出對於某些疾病進展的高風險族群,此時則需要運用抽 樣設計並發展相對應的多階段疾病進展模式。 為了能針對本整合型計畫(個人化健康照護之隨機統計模式)在核心子計畫一(個人化健康照 護之廣義迴歸隨機模式及經濟決策模型)所建構的廣義隨機迴歸模式用於個人化健康照護進行測 量誤差校正,本計畫(子計畫二--兩階段抽樣設計暨誤差校正之個人化健康照護隨機模式)旨在發 展能用於高效率的二階段抽樣研究設計架構下的多階段廣義測量誤差校正隨機模式,並支持子計 畫三(個人化慢性病及癌症預防之隨機網絡模型)及子計畫四(個人化傳染病防治之隨機微分方程 模型)。 我們提出為期三年的計畫,預計完成以下目標: 第一年(2017 年8 月至2018 年7 月)- (1) 建構廣義測量誤差隱藏馬可夫模型,在兩階段校正研究設計之下,採用第一階段前驅驗證計 畫所得之測量誤差經驗植入第二階段大型社區調查資料 (2) 驗證隨機誤差對個人特質變項在多階段病程轉移上的作用 (3) 發展電腦模擬釐清不同型態隨機誤差對共變數作用大小的影響 第二年(2018 年8 月至2019 年7 月)- (4) 發展廣義多階段模式函數用來估計取自抽樣資料的病例世代研究 (5) 探討抽樣比例對共變項於不同階段作用效應的影響 (6) 將上述(4)-(5)的結果與利用全部世代資料之結果作比較 第三年(2019 年8 月至2020 年7 月)- (7) 評估因果隱藏馬可夫模型(結合兩項以上的隨機模式)在校正測量誤差之後對共變數效果的影 響 (8) 利用因果隱藏馬可夫模式量化測量誤差 (9) 擴展以上模式使之能適用於第二年研究計畫所提及的抽樣資料病例世代研究 (10) 根據上述結果評估測量誤差可能造成的估計偏差並計算統計檢定力函數 本計畫期望能將處理測量誤差的隱藏馬可夫模式與子計畫一所發展的廣義隨機迴歸模式作 系統性的連結,並建構適用於兩階段抽樣設計之多階段隨機過程,可以有效率的運用有限樣本提供的新穎生物標記或基因訊息作用,有助於個人化慢性病、癌症及傳染症於三段預防醫學層級上 的發展與評估,最終能發展考量個體異質性之個人化決策模型。
狀態 | 已完成 |
---|---|
有效的開始/結束日期 | 8/1/17 → 7/31/18 |
Keywords
- 測量誤差
- 異質性
- 兩階段抽樣設計
- 個人化健康照護
- 隨機模型
- 多階段模式
- 廣義隨機迴 歸模式
- 因果隱藏馬可夫模式
指紋
探索此專案觸及的研究主題。這些標籤是根據基礎獎勵/補助款而產生。共同形成了獨特的指紋。