Key points are not available for this paper at this time.
의사 결정을 위한 시뮬레이션 모델의 유용성을 극대화하기 위해서는 성장 매개변수와 관련 분산을 정확하게 추정하는 것이 중요합니다. 새 간의 변동성과 이질적 분산을 고려하기 위해 혼합 곰퍼츠 성장 모델이 사용되었습니다. 혼합 모델은 고정 효과 모델에 비해 여러 가지 장점이 있습니다. 혼합 모델은 체중(BW) 변동을 새 간 및 새 내 변동으로 분할하였고, 무작위 효과와 함께 가정된 공분산 구조는 동일 개인의 연령 간 BW 상관관계의 일부를 설명했습니다. 혼합 모델을 사용했을 때 잔차 분산의 양은 55% 이상 감소했습니다. 혼합 모델은 선택적 샘플링의 결과로 나타나는 추정 편향을 줄였습니다. 종적 성장 데이터 분석을 위해서는 혼합 효과 성장 모델이 권장됩니다.
Wang et al. (Tue,)은 이 문제를 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: