机译:纵向研究中具有不可忽略性缺失的单项缺失数据的灵活贝叶斯方法及其在急性精神分裂症临床试验中的应用
Univ Florida, Dept Stat, Gainesville, FL 32611 USA;
Univ Texas Austin, Dept Stat & Data Sci, Dept Integrat Biol, Austin, TX 78712 USA;
Dirichlet process mixture; Identifiability; Identifying restrictions; Multiple cause dropout; Sensitivity analysis;
机译:贝叶斯建模和推理非无知缺少纵向二进制响应数据,其应用于艾滋病毒预防试验
机译:分析纵向临床试验数据,具有不可忽略的缺失和未知的缺失原因
机译:分量回归和分析纵向数据的纵向数据因辍学而分析单调缺失响应的纵向数据,应用于临床试验的生活质量测量
机译:具有不可忽略的缺失数据的二项式参数估计
机译:利用多元自适应回归样条(MARS)扩展单调缺失模式数据插补的回归方法,并应用于系统随机缺失研究(SMAR)研究设计
机译:纵向研究中具有不可忽略性缺失的单项缺失数据的灵活贝叶斯方法在急性精神分裂症临床试验中的应用
机译:具有不可忽略缺失的纵向试验数据的模式识别:一个实证研究