The goal of this paper is to apply Generalized Additive Models to medical scheme data. The flexibility of the nonparametric approach is demonstrated based on a real-life empirical example that seeks to model hypertension and the interplay of determinants, such as physiological measurements, medical attributes, demographic and socioeconomic characteristics in predicting blood pressure. The assessment of nonlinear patterns in the response-predictor relationship and the strength of this association are investigated. The extended Generalized Additive Models allow for modeling not only location and scale, but also other distribution parameters, such as kurtosis and skewness.
PL
Celem niniejszego artykułu jest aplikacja uogólnionych modeli addytywnych do danych medycznych. Elastyczność nieparametrycznych rozwiązań przedstawiono na przykładzie modelowania zmiennych determinujących poziom nadciśnienia tętniczego krwi, takich jak atrybuty zdrowotne, fizjologiczne, demograficzne czy charakterystyki społeczno-ekonomiczne. W artykule zbadano nieliniowe zależności (oraz ich siłę) pomiędzy zmiennymi objaśniającymi a nadciśnieniem tętniczym krwi. Rozszerzona wersja modelu pozwala wyznaczyć nie tylko parametry skali i położenia, lecz również inne parametry charakterystyczne rozkładu, takie jak kurtoza i skośność.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.