Bayesiansk Case-Crossover Design — Selv-matchet epidemiologisk undersøgelse med Bayesiansk inferens
Det Bayesianske case-crossover design er en selv-matchet epidemiologisk metode, der estimerer den forbigående effekt af en tidsvarierende eksponering på risikoen for en akut hændelse. Hvert tilfælde tjener som sin egen kontrol, hvilket eliminerer konfundering fra tidsstabile individuelle karakteristika. Bayesiansk inferens erstatter eller supplerer den klassiske betingede logistiske regression, hvilket muliggør integration af forhåndsviden, mere stabil estimering i sparsomme data og fuld usikkerhedskvantificering via posteriorfordelinger.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Maclure, M. (1991). The case-crossover design: a method for studying transient effects on the risk of acute events. American Journal of Epidemiology, 133(2), 144–153. DOI: 10.1093/oxfordjournals.aje.a115853 ↗
- Janes, H., Sheppard, L., & Lumley, T. (2005). Case-crossover analyses of air pollution exposure data: referent selection strategies and their implications for bias. Epidemiology, 16(6), 717–726. DOI: 10.1097/01.ede.0000181315.18836.9d ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Bayesian Case-Crossover Study Design. ScholarGate. https://scholargate.app/da/epidemiology/bayesian-case-crossover-design
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bayesiansk hierarkisk modelBayesiansk↔ compare
- Case-Crossover DesignEpidemiologi↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →