طرق التنعيم المسبق للاحتمالات الانتقالية في نماذج متعددة الحالات المعقدة غير ماركوفية

ملخص تعتبر نماذج متعددة الحالات أدوات أساسية في تحليل البيانات الطولية، حيث تتيح تقدير الاحتمالات الانتقالية التي تقدم رؤى تنبؤية حول النتائج السريرية عبر مراحل تقدم المرض أو الشفاء. تعتمد الأساليب التقليدية للاستدلال في هذه النماذج غالباً على فرضية ماركوف، التي تُبسط الحسابات ولكن قد لا تنطبق في البيئات الواقعية المعقدة. لمعالجة هذا القيد، نقوم بتوسيع مُقدّر ألن - يوهانسون الرائد عن طريق إدخال تقنيات التنعيم المسبق، مما يقدم بديلاً قوياً لتقدير الاحتمالات الانتقالية في نماذج متعددة الحالات غير ماركوفية، بما في ذلك تلك التي تحتوي على حالات متعددة وانتقالات قابلة للعكس. تقلل الطريقة المقترحة فعاليًا من تباين التقدير وتخفف من التحيزات الناجمة عن اختيار أوقات معلم عشوائية. من خلال التقييم التجريبي باستخدام ثلاثة مجموعات بيانات من العالم الحقيقي ذات هياكل متعددة حالات متميزة، نظهر أن المقدّر المُنعّم مسبقًا يحقق دقة واستقراراً معززًا، خاصة في وجود ضوضاء عالية أو أحجام عينات صغيرة. لتسهيل تطبيقها، نقدم حزمة R ، presmoothedTP ، التي تنفذ جميع الطرق المقترحة.