Abstract
[Ita:]I modelli ad effetti misti sono ampiamente utilizzati nell’analisi di dati
che possiedono una struttura a gruppi. Tuttavia, tale metodologia non `e appli-
cabile in contesti dove la variabile risposta `e multidimensionale ed il numero di
regressori elevato. Nel proporre una soluzione ai sopracitati problemi, nel pre-
sente lavoro viene introdotta una procedura di stima penalizzata per modelli ad
effetti misti con risposta multivariata. In dettaglio, si propone di regolarizzare la
verosimiglianza tramite una penalit`a di tipo group-lasso, forzando solo un sottoin-
sieme dei parametri stimati ad essere diverso da 0 per ogni componente della vari-
abile risposta. La metodologia proposta viene poi utilizzata per creare nuovi sur-
rogati per fattori di rischio cardiovascolare, come lipidi e pressione sanguigna,
dai dati di metilazione del DNA dell’intero genoma in uno studio multicentrico.
L’analisi cos`ı condotta dimostra risultati migliori rispetto alle attuali alternative
nella previsione di un outcome continuo multivariato.
Lingua originale | English |
---|---|
Titolo della pubblicazione ospite | SIS 2022 | Book of Short Papers |
Pagine | 648-653 |
Numero di pagine | 6 |
Stato di pubblicazione | Pubblicato - 2022 |
Evento | Scientific Meeting of the Italian Statistical Society - Caserta Durata: 23 giu 2020 → 25 giu 2020 |
Convegno
Convegno | Scientific Meeting of the Italian Statistical Society |
---|---|
Città | Caserta |
Periodo | 23/6/20 → 25/6/20 |
Keywords
- Mixed-effects models
- penalized estimation
- group-lasso penalty
- Multivariate regression