Loading...
Please wait, while we are loading the content...
Intégrer les données manquantes dans la sélection de variables pour données longitudinales
| Content Provider | Semantic Scholar |
|---|---|
| Author | Geronimi, Julia Saporta, Gilbert |
| Copyright Year | 2016 |
| Abstract | Les Generalized estimating equations (GEE) sont une methode de regression utile pour l'analyse marginale en presence de mesures repetees. Dans le contexte longi-tudinale, il est frequent de faire face aux donnees manquantes ainsi qu'a de nombreuses variables mesurees au cours du temps. L'imputation multiple, outil populaire pour le traitement des donnees manquantes et plus particulierement les MI-GEE peuventetre utilises pour l'inference. Bien que les methodes pour traiter les donnees manquantes telles que les MI-GEE aientete mises place, la selection de variables pour GEE n'a pasete systematiquement developpee pour integrer les donnees manquantes. Le multiple imputation-least absolute shrinkage and selection operator (MI-LASSO) propose une selection consistante au sein des jeux de donnees imputes, mais ne permet pas de prendre en compte les correlations intra-patient. Nous presentons le MI-PGEE, multiple imputation-penalized generalized estimating equations, extension du MI-LASSO pour les donnees longitudinales. Cette methode utilise les GEE penalises par une penalite ridge et des poids adaptatifs qui sont communsa l'ensemble des coefficients de regression estimes de la meme variable sur lesechantillons multi-imputes. Nous presentons un critere de type BIC pour le choix du parametre de regularisation. Le MI-PGEE fournit une selection consistante sur l'ensemble des imputations, ce qui en fait une methode de selection pour donnees longitudinales capable d'integrer les donnees manquantes et les correlations intra-sujet. Une application sur le sous groupe placebo de la base de donnees Strontium ranelate Efficacy in Knee OsteoarthrItis triAl (SEKOIA) est presentee. |
| File Format | PDF HTM / HTML |
| Alternate Webpage(s) | https://cedric.cnam.fr/fichiers/art_3630.pdf |
| Alternate Webpage(s) | https://hal-cnam.archives-ouvertes.fr/hal-02500612/document |
| Language | English |
| Access Restriction | Open |
| Content Type | Text |
| Resource Type | Article |
