パターン混合モデルのクラスにおける複数の代入のための効率的な単調データ増強アルゴリズム

繰り返し測定（MMRM）の混合効果モデルのための効率的なマルコフチェーンモンテカルロアルゴリズムと、単調なデータ増強（MDA）を介したパターン混合モデルのクラス（PMM）を開発します。提案されたアルゴリズムは、PMMSの複数の代入に特に役立ち、抗うつ試験の分析によって説明されています。また、MMRMおよびPMMSの完全なデータ増強（FDA）アルゴリズムについても説明し、モデルパラメーターの限界後部分布がMDAおよびFDAアルゴリズムで同じであることを示しています。

We develop an efficient Markov chain Monte Carlo algorithm for the mixed-effects model for repeated measures (MMRM) and a class of pattern mixture models (PMMs) via monotone data augmentation (MDA). The proposed algorithm is particularly useful for multiple imputation in PMMs and is illustrated by the analysis of an antidepressant trial. We also describe the full data augmentation (FDA) algorithm for MMRM and PMMs and show that the marginal posterior distributions of the model parameters are the same in the MDA and FDA algorithms.