반파라메트릭 누적 확률 모델을 통한 다중 검출 한계 해결

검출 한계(DLs)는 변수가 특정 범위 외부에서 측정될 수 없는 지점을 의미하며, 연구에서 흔히 발견됩니다. DL은 연구 장소나 시간에 따라 다를 수 있습니다. 반응 변수의 DL 처리를 위한 대부분의 접근 방식은 DL 외부 데이터의 분포에 대한 강력한 모수적 가정을 암묵적으로 만듭니다. 우리는 널리 사용되는 서수 회귀 모델인 누적 확률 모델(CPM)을 기반으로 다중 DL을 해결하는 새로운 접근 방식을 제안합니다. CPM은 연속 및 이산 결과 변수의 혼합 분포를 처리할 수 있는 순위 기반의 반파라메트릭 선형 변환 모델입니다. 이러한 특징은 DL이 있는 데이터를 분석하는 데 중요합니다. DL 내부의 관측치는 연속적이지만, DL 외부의 관측치는 검열되며 일반적으로 이산 범주로 구분됩니다. 단일 하한 DL의 경우, CPM은 DL 아래의 값을 가장 낮은 순위로 할당합니다. 다중 DL의 경우, CPM 가능도는 확률 질량을 적절히 분배하도록 수정할 수 있습니다. 우리는 시뮬레이션과 데이터 예제를 통해 DL을 활용한 CPM 사용을 시연합니다. 이 작업은 라틴 아메리카에서 항레트로바이러스 치료 시작 6개월 후 HIV 바이러스 부하와 관련된 요인을 조사하는 연구에 의해 동기를 부여받았습니다. 56%의 관측치가 연구 장소와 시간에 따라 변동하는 하한 DL 아래에 있습니다.