경증 알츠하이머병 증상패턴에 대한 베이지안 잠재계층모형 분석

Abstract

알츠하이머병 유병자의 특정 행동 및 심리적 증상은 서로 연관되어 있어 유병자 간의 증상 패턴의 차이가 알츠하이머병 내의 다른 증후군을 일으킬 수 있다. 본 연구의 목적은 베이지안 잠재계층모형을 사용하여 알츠하이머병 환자들로부터 관찰된 6가지 증상에 영향을 주는 숨겨진 계층을 찾아내는 것에 있다. 더불어, 베이지안 잠재계층모형을 사용하면서 나타나는 약식별가능성 (weak-identifiability)을 확인하려고 한다. 구체적인 분석 방법으로 파라미터 추정을 위해 마르코프 체인 몬테 카를로 방법을 활용하고, 약식별가능성 문제를 확인하기 위해 latent class identifiability display (LCID), τ-measure 방법을 사용하였다. 모델 선택을 위해 시각적 방법인 log ddds ratio check (LORC) plot을 사용하여 몇 개의 잠재계층 수가 최적인지 알아보고자 하였다.

Certain behavioral and psychological symptoms of patients with mild Alzheimer's disease are interrelated, so that differences in symptom patterns among patients can cause other syndromes within Alzheimer's disease. The purpose of this study is to use the Bayesian latent class model to identify latent variables that affect the six symptoms observed in Alzheimer's disease patients. In addition, we try to confirm the weak-identifiability that appears while using the Bayesian latent class model. As a specific method, the Markov chain Monte Carlo method was utilized for parameter estimation, and the latent class identifiability display (LCID) and τ-measure method were used to confirm the problem of weak-identifiability. For model selection, we use the visual method, log dds ratio check (LORC) plot to determine how many latent classes are optimal.