| 研究実績の概要 |
２０２１年度では、交互作用項をもつ線形回帰モデルにおいて、説明変数間の相関構造をコピュラでモデル化した（Michimae and Emura 2022）。２０２２年度以降では、本研究課題達成に必要な「高次元の説明変数（遺伝子発現）に対応した相関構造をコピュラでモデル化する」ことを目標とする。他方、今までの動的予後予測では計算の簡略化のため近似アルゴリズムを用いていたが、近似でなく正確な数値計算を用いた予後予測モデルを提案した（Kawakami et al.2021）。また、動的予後予測モデルの普及を目指したwebアプリケーションを公表した（Taketomi, Michimae, Chang and Emura 2022）。
1) Kawakami, Michimae and Lin. 2021. Assessing the numerical integration of dynamic prediction formulas using the exact expressions under the joint frailty-copula model. JJSD, 4:1293-1321.
2) Michimae and Emura. 2022. Bayesian ridge estimators based on copula-based joint
prior distributions for regression coefficients. Comput. Stat., published online.
3) Taketomi, Michimae, Chang and Emura 2022. meta.shrinkage: An R Package for Meta-Analyses for Simultaneously Estimating Individual Means. Algorithms, 15:26.
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
２０２１年度では線形回帰モデルの説明変数（２変数とそれらの交互作用）について、それらの相関構造をコピュラでモデリングした。この相関構造のモデリングをコックス回帰モデルにも拡張し、その結果は２０２２年４月現在投稿中である（Michimae and Emura in review）。これは当初の予定通りである。他方、動的予後予測モデルの普及を目指したwebアプリケーションを公表した（Emura, Michimae and Matsui 2022）。
1) Michimae and Emura. Bayesian ridge regression for survival data based on a vine copula-based prior. in review.
2) Emura, Michimae and Matsui. Dynamic Risk Prediction via a Joint Frailty-Copula Model and IPD Meta-Analysis: Building Web Applications. Entropy, 24, 589.
|
