論文の概要: Joint Modeling of Conditional Mean and Variability in Multilevel Functional Data: Application to Postprandial Glucose Trajectories in the AEGIS Study

• arxiv url: http://arxiv.org/abs/2611.07937v1
• Date: Thu, 05 Nov 2026 12:38:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 21:50:50.684195
• Title: Joint Modeling of Conditional Mean and Variability in Multilevel Functional Data: Application to Postprandial Glucose Trajectories in the AEGIS Study
• Title（参考訳）: 多レベル機能データにおける条件平均と変数の連成モデリング:AEGIS研究における前頭葉糖軌道への応用
• Abstract要約: デジタルヘルスでは、参加者はしばしば繰り返し機能的軌道に寄与する。 本稿では,条件平均と繰り返し軌跡の分散を共同でモデル化するヘテロスケダスティック機能混合効果回帰フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 4.21464329077654
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Functional data analysis provides a framework for studying time-varying associations between covariates and high-frequency biological signals. In digital health, participants often contribute repeated functional trajectories, yet existing multilevel regression methods largely focus on the conditional mean, overlooking variability and its role in biological heterogeneity. We propose a heteroskedastic functional mixed-effects regression framework that jointly models the conditional mean and variance of repeated trajectories, with participant-specific random effects in both components. We also develop a participant-level bootstrap to quantify uncertainty in estimated functional parameters. We apply the method to postprandial glucose trajectories from the AEGIS study. Premeal glucose, carbohydrate intake, and meal type show distinct time-dependent associations with glucose variability, whereas HbA1c is more strongly associated with the conditional mean than with variability. Substantial between-participant differences in residual variability remain even after accounting for observed covariates. These findings show that modeling conditional variability alongside the mean provides insights into glucose regulation and individual heterogeneity that mean-focused analyses may miss. More broadly, the proposed framework enables joint characterization of average responses, variability, and participant-specific heterogeneity in repeated biological signals.
• Abstract（参考訳）: 機能的データ分析は、共変量と高周波生物学的信号の間の時間変化の関連を研究するための枠組みを提供する。 デジタルヘルスでは、参加者はしばしば繰り返し機能的軌道に寄与するが、既存の多段階回帰法は主に条件平均に焦点をあて、変動性と生物学的不均一性におけるその役割を見越す。 そこで本研究では,両コンポーネントに有意なランダムな影響を伴って,条件平均と繰り返し軌跡の分散を共同でモデル化するヘテロスケダスティックな機能的混合効果回帰フレームワークを提案する。 また,推定機能パラメータの不確かさを定量化するために,参加者レベルのブートストラップを開発した。 本手法は, AEGIS 研究から先天的なグルコーストラジェクトリに応用される。 プリミールグルコース,炭水化物摂取量,食事タイプはグルコースの変動と時間依存的な関連性を示すが,HbA1cは変動性よりも条件平均と強く関連している。 観察された共変量を考慮した場合においても, 残差の実質的相違は残存する。 これらの結果から, 平均値に付随する条件変数のモデル化は, 平均に焦点を絞った分析が見逃す可能性のあるグルコースの調節と個々の不均一性に関する洞察を与えることが示された。 より広範に、提案フレームワークは、生体信号の繰り返しにおける平均応答、変動性、および参加者特異的不均一性を共同で評価することができる。

関連論文リスト

• CASL-VAE: Learning Structured Latent Variables from Unpaired Data for Semi-supervised Clustering and Paired Sample Generation [16.737784124258898]
  基準人口に対する対象人口の変動の定量化は多くの科学的・臨床的問題の中心である。 提案するTextitCASL-VAEは,非ペアデータから構造付き遅延生成因子を学習する,深いコントラスト付き潜在変数モデルである。
  論文  参考訳（メタデータ） (2026-07-09T08:58:44Z)
• Independent Component Discovery in Temporal Count Data [46.526610368455096]
  本稿では、時間数データの独立成分分析のための生成フレームワークを導入し、レギュラー適応力学とポアソン対数正規放出を組み合わせた。 このモデルは、状態に依存したコントリビューションで絡み合ったコンポーネントを特定し、表現学習と摂動解析を可能にする。
  論文  参考訳（メタデータ） (2026-01-29T13:30:10Z)
• Unlasting: Unpaired Single-Cell Multi-Perturbation Estimation by Dual Conditional Diffusion Implicit Bridges [68.98973318553983]
  本稿では,Dual Diffusion Implicit Bridges (DDIB) に基づくフレームワークを提案する。 我々は、生物学的に意味のある方法で摂動シグナルを伝達するために遺伝子制御ネットワーク(GRN)情報を統合する。 また、サイレント遺伝子を予測し、生成したプロファイルの品質を向上させるためのマスキング機構も組み込んだ。
  論文  参考訳（メタデータ） (2025-06-26T09:05:38Z)
• Quantifying predictive uncertainty of aphasia severity in stroke patients with sparse heteroscedastic Bayesian high-dimensional regression [47.1405366895538]
  高次元データに対する疎線型回帰法は、通常、残留物が一定の分散を持つと仮定するが、これは実際には破ることができる。 本稿では,ヘテロセダスティック分割経験的ベイズ期待条件最大化アルゴリズムを用いて,高次元ヘテロセダスティック線形回帰モデルを推定する。
  論文  参考訳（メタデータ） (2023-09-15T22:06:29Z)
• Rethinking Mitosis Detection: Towards Diverse Data and Feature Representation [30.882319057927052]
  ミトコンドリア検出のための新しい一般化可能なフレームワーク(MitDet)を提案する。 提案手法は,いくつかの一般的なミトーシス検出データセットにおいて,SOTAのアプローチよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2023-07-12T03:33:11Z)
• Conditionally Invariant Representation Learning for Disentangling Cellular Heterogeneity [25.488181126364186]
  本稿では,不必要な変数や乱れに条件付き不変な表現を学習するために,ドメインの可変性を活用する新しい手法を提案する。 単細胞ゲノム学におけるデータ統合など,生物の課題に対して本手法を適用した。 具体的には、提案手法は、対象のタスクと無関係なデータバイアスや興味の因果的説明から生物学的信号を解き放つのに役立つ。
  論文  参考訳（メタデータ） (2023-07-02T12:52:41Z)
• DiffUCD:Unsupervised Hyperspectral Image Change Detection with Semantic Correlation Diffusion Model [46.68717345017946]
  ハイパースペクトル画像変化検出(HSI-CD)はリモートセンシングにおいて重要な研究領域となっている。 意味相関拡散モデル(DiffUCD)を用いた新しい教師なしHSI-CDを提案する。 提案手法は,多数のサンプルを必要とする完全教師付き手法に匹敵する結果が得られる。
  論文  参考訳（メタデータ） (2023-05-21T09:21:41Z)
• Strong identifiability and parameter learning in regression with heterogeneous response [5.503319042839695]
  本研究では, 有限混合回帰モデルにおける強い識別可能性, 条件密度およびパラメータ推定の収束率, およびベイズ後部収縮挙動について検討する。 本稿では,本論文で報告されているいくつかの一般的な回帰混合モデルに見られるパラメータ学習行動について,シミュレーション研究とデータ図解を提供する。
  論文  参考訳（メタデータ） (2022-12-08T05:58:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。