umu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Bayesian mixture modeling for longitudinal fMRI connectivity studies with dropout
Umeå universitet, Samhällsvetenskapliga fakulteten, Handelshögskolan vid Umeå universitet, Statistik. (Stat4Reg)ORCID-id: 0000-0003-2135-9963
Umeå universitet, Samhällsvetenskapliga fakulteten, Handelshögskolan vid Umeå universitet, Statistik. Umeå universitet, Medicinska fakulteten, Umeå centrum för funktionell hjärnavbildning (UFBI).ORCID-id: 0000-0003-1524-0851
Umeå universitet, Samhällsvetenskapliga fakulteten, Handelshögskolan vid Umeå universitet, Statistik. (Stat4Reg)ORCID-id: 0000-0003-3187-1987
Umeå universitet, Medicinska fakulteten, Umeå centrum för funktionell hjärnavbildning (UFBI). Umeå universitet, Medicinska fakulteten, Institutionen för strålningsvetenskaper. Umeå universitet, Medicinska fakulteten, Institutionen för integrativ medicinsk biologi (IMB).
Visa övriga samt affilieringar
(Engelska)Manuskript (preprint) (Övrigt vetenskapligt)
Nationell ämneskategori
Sannolikhetsteori och statistik Neurovetenskaper
Identifikatorer
URN: urn:nbn:se:umu:diva-155616OAI: oai:DiVA.org:umu-155616DiVA, id: diva2:1282406
Tillgänglig från: 2019-01-24 Skapad: 2019-01-24 Senast uppdaterad: 2019-04-26
Ingår i avhandling
1. Methods for longitudinal brain imaging studies with dropout
Öppna denna publikation i ny flik eller fönster >>Methods for longitudinal brain imaging studies with dropout
2019 (Engelska)Doktorsavhandling, sammanläggning (Övrigt vetenskapligt)
Alternativ titel[sv]
Metoder för longitudinella hjärnavbildningsstudier med bortfall
Abstract [en]

One of the challenges in aging research is to understand the brain mechanisms that underlie cognitive development in older adults. Such aging processes are investigated in longitudinal studies, where the within-individual changes over time are observed. However, several methodological issues exist in longitudinal analyses.  One of them is loss of participants to follow-up, which occurs when individuals drop out from the study. Such dropout should be taken into account for valid conclusions from longitudinal investigations, and this is the focus of this thesis. The developed methods are used to explore brain aging and its relation to cognition within the Betula longitudinal study of aging.

Papers I and II consider the association between changes in brain structure and cognition. In the first paper, regression analysis is used to establish the statistical significance of brain-cognition associations while accounting for dropout. Paper II develops interval estimators directly for an association as measured by partial correlation, when some data are missing. The estimators of Paper II may be used in longitudinal as well as cross-sectional studies and are not limited to brain imaging. 

Papers III and IV study functional brain connectivity, which is the statistical dependency between the functions of distinct brain regions. Typically, only brain regions with associations stronger than a predefined threshold are considered connected. However, the threshold is often arbitrarily set and does not reflect the individual differences in the overall connectivity patterns.  Paper III proposes a mixture model for brain connectivity without explicit thresholding of associations and suggests an alternative connectivity measure. Paper IV extends the mixture modeling of Paper III to a longitudinal setting with dropout and investigates the impact of ignoring the dropout mechanism on the quality of the inferences made on longitudinal connectivity changes.

Ort, förlag, år, upplaga, sidor
Umeå: Umeå universitet, 2019. s. 20
Serie
Statistical studies, ISSN 1100-8989 ; 54
Nyckelord
Missing data, nonignorable dropout, sensitivity analysis, uncertainty intervals, pattern-mixture models, aging, cognition, MRI, brain structure, resting-state functional connectivity
Nationell ämneskategori
Sannolikhetsteori och statistik
Forskningsämne
statistik
Identifikatorer
urn:nbn:se:umu:diva-155680 (URN)978-91-7855-011-1 (ISBN)
Disputation
2019-02-22, Hörsal 1031, Norra Beteendevetarhuset, Umeå University, Umeå, 10:15 (Engelska)
Opponent
Handledare
Tillgänglig från: 2019-02-01 Skapad: 2019-01-25 Senast uppdaterad: 2019-04-26Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Personposter BETA

Gorbach, TetianaLundquist, Andersde Luna, XavierNyberg, LarsSalami, Alireza

Sök vidare i DiVA

Av författaren/redaktören
Gorbach, TetianaLundquist, Andersde Luna, XavierNyberg, LarsSalami, Alireza
Av organisationen
StatistikUmeå centrum för funktionell hjärnavbildning (UFBI)Institutionen för strålningsvetenskaperInstitutionen för integrativ medicinsk biologi (IMB)Wallenberg centrum för molekylär medicin vid Umeå universitet (WCMM)
Sannolikhetsteori och statistikNeurovetenskaper

Sök vidare utanför DiVA

GoogleGoogle Scholar

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 355 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf