Forminvariante Modellierung zirkadianer Rhythmen mit zufälligen Effekten und Glättungssplines ANOVA-Zerlegungen

Medizinische Studien erfassen häufig physiologische und/oder psychologische Messungen über einen Zeitraum von mehreren Probanden, um Dynamiken wie zirkadiane Rhythmen zu untersuchen. Unter der Annahme, dass die erwarteten Antwortfunktionen aller Probanden nach Verschiebungs- und Skalentransformationen identisch sind, wurden formvariance Modelle angewendet, um diese Art von Daten zu analysieren. Die Verschiebungs- und Skalierungsparameter liefern effiziente und interpretierbare Datenzusammenfassungen, während die gemeinsame Formfunktion in der Regel nichtparametrisch modelliert wird, um Flexibilität zu bieten. Aufgrund der deterministischen Natur der Verschiebungs- und Skalierungsparameter werden mögliche Korrelationen innerhalb eines Probanden jedoch ignoriert. Darüber hinaus kann die Form der gemeinsamen Funktion von anderen Faktoren abhängen, wie beispielsweise der Krankheit. In diesem Artikel schlagen wir forminvariante gemischte Effektmodelle vor. Ein Modell der zweiten Stufe mit festen und zufälligen Effekten wird verwendet, um individuelle Verschiebungs- und Skalierungsparameter zu modellieren. Ein Modell der zweiten Stufe mit Glättungsspline ANOVA wird verwendet, um mögliche Kovariateffekte auf die gemeinsame Formfunktion zu untersuchen. Wir wenden unsere Methoden auf einen realen Datensatz an, um Krankheitseffekte auf zirkadiane Rhythmen von Cortisol, einem Hormon, das von Stress betroffen ist, zu untersuchen. Wir stellen fest, dass Patienten mit dem Cushing-Syndrom zirkadiane Rhythmen verloren haben und ihre 24-Stunden-Mittelwerte auf sehr hohe Werte angehoben wurden. Patienten mit Major Depression hatten dieselbe zirkadiane Form und Phasen wie normale Probanden. Ihre 24-Stunden-Mittelwerte waren jedoch erhöht und die Amplituden waren bei einigen Patienten gedämpft.