Байесовские когортные исследования — Байесовский дизайн когортного исследования
Байесовские когортные исследования отслеживают определенную группу людей с течением времени для выявления исходов и используют байесовский статистический вывод для обновления убеждений о риске, заболеваемости или причинно-следственных эффектах по мере накопления данных последующего наблюдения. Предварительные знания — из предыдущих исследований, реестров или экспертных оценок — формализуются в априорное распределение и объединяются с правдоподобием когорты для получения апостериорного распределения, которое количественно определяет неопределенность в непосредственно интерпретируемой форме.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- Ibrahim, J. G., & Chen, M. H. (2000). Power prior distributions for regression models. Statistical Science, 15(1), 46–60. DOI: 10.1214/ss/1009212673 ↗
- Spiegelhalter, D. J., Abrams, K. R., & Myles, J. P. (2004). Bayesian Approaches to Clinical Trials and Health-Care Evaluation. Wiley. ISBN: 978-0471499756
Как цитировать эту страницу
ScholarGate. (2026, June 3). Bayesian Cohort Study Design. ScholarGate. https://scholargate.app/ru/research-design/bayesian-cohort-research
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Байесовские исследования опросовДизайн исследования↔ сравнить
- Лонгитюдное исследованиеДизайн исследования↔ сравнить
- Панельное исследованиеДизайн исследования↔ сравнить
- Анализ выживаемостиСтатистика исследований↔ сравнить
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →