Work

Bayesian nonparametric spatial modelling of ordinal periodontal data

Year: 2014
Type: conference-paper
Abstract: Clinical attachment loss (CAL) is a measure often used to assess periodontal disease (PD) status at a tooth site.While being ideally continuous, CAL measures are usually rounded and recorded as ordered categorical data.In addition, these CAL measures are hypothesized to be spatially-referenced.Traditional analysis model this integer-valued CAL via a linear mixed model with appropriate spatial random effects.In this paper, we propose a flexible nonparametric Bayesian approach to model the ordinal categories using an ordered probit model, simultaneously accounting for the within mouth spatial-referencing, yet preserving computational simplicity.An application to a real dataset on PD is presented.Abstract La perdita di attacco epiteliale (o clinical attachment loss, CAL) è una misura utilizzata per valutare lo stato di parodontite in un data locazione di un dente.Pur essendo idealmente continue, le misure di CAL sono solitamente arrotondate e registrate come dati ordinali.Si ipotizza inoltre una qualche referenzazione spaziale.Analisi classiche trattano questi valori interi attraverso modelli lineari a effetti misti con un'opportuna componente casuale che considera la dipendenza spaziale.In questo articolo, viene proposto un approccio bayesiano non parametrico per modellare le varibili ordinali attraverso un modello probit ordinato che tiene conto della referenzazione spaziale della bocca pur mantenendo semplicità di calcolo.È discussa inoltre un'applicazione a un dataset reale sulla parodontite.
Authors: Dipankar Bandyopadhyay, CANALE, Antonio
Language: English
Open Access status: green
OpenAlex ID: W7027032775
FWCI:
Cites: 6
Cited by:
Related to: 7