R语言如何使用SAS潜类别轨迹模型LCTM可视化BMI数据轨迹？

本文共计2524个文字，预计阅读时间需要11分钟。

在本文中，潜类别轨迹建模（LCTM）是流行病学中一种相对新颖的方法，用于描述生命过程中的暴露。它将异质性人群简化为同质性模式或类别。对于特定的数据集，可以根据类别数量进行分析。

在本文中，潜类别轨迹建模 (LCTM) 是流行病学中一种相对较新的方法，用于描述生命过程中的暴露，它将异质人群简化为同质模式或类别。然而，对于给定的数据集，可以根据类的数量、模型结构和轨迹属性得出不同模型的分数。

本文说明了LCTM的基本用法，用于汇总拟合的潜在类轨迹模型对象的输出。

例子

_目的_：通过将 BMI 建模为年龄函数，识别具有不同轨迹的参与者亚组。根据迄今为止可用的文献，我们假设初始 K=5 类 BMI 轨迹。

我们使用体重指数 (BMI) 重复测量 10,000 个样本的长格式数据框（查看文末了解数据获取方式）。

提供了一个示例（模拟）数据集bmi来描述整个步骤。

包含的变量有：

id - 个人 ID
年龄 - BMI 测量的年龄，以年为单位
bmi - 个人在 T1、T2、T3 和 T4 时间的体重指数，以 kg/m^2 为单位 true_class - 用于识别模拟个人 BMI 数据的类别的标签

加载数据

绘制数据

潜在类轨迹建模的八步示例

为了对纵向结果 yijk 进行建模，对于 k=1:K，类，对于个体 i，在时间点 j，tj可以使用许多建模选择。我们在这里给出方程来说明这些，并按照复杂度增加的顺序将它们命名为模型 A 到 G。