Bayesilainen case-crossover-asetelma – Itseään verrokkina käyttävä epidemiologinen tutkimus bayesilaisella päättelyllä
Bayesilainen case-crossover-asetelma on itseään verrokkina käyttävä epidemiologinen menetelmä, joka arvioi ajassa vaihtelevan altistuksen ohimenevää vaikutusta akuutin tapahtuman riskiin. Kukin tapaus toimii omana verrokkinaan, mikä eliminoi ajallisesti vakaiden yksilöllisten ominaisuuksien aiheuttaman sekoittavan tekijän. Bayesilainen päättely korvaa tai täydentää klassista ehdollista logistista regressiota, mahdollistaen ennakkotiedon sisällyttämisen, vakaamman estimoinnin harvassa datassa ja täyden epävarmuuden kvantifioinnin posteriorijakaumien avulla.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Bayesian Case-Crossover Study Design. ScholarGate. https://scholargate.app/fi/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.
- Bayesiläinen hierarkkinen malliBayesilainen tilastotiede↔ compare
- Case-Crossover DesignEpidemiologia↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →