潜在类模型
鉴定(生物学)
班级(哲学)
同种类的
两步走
计算机科学
潜变量
计量经济学
人口
统计
数据挖掘
风险分析(工程)
数据科学
医学
环境卫生
数学
机器学习
人工智能
应用数学
植物
组合数学
生物
作者
Kayvan Aflaki,Simone N. Vigod,Joel G. Ray
标识
DOI:10.1016/j.jclinepi.2022.05.009
摘要
Latent Class Analysis (LCA) is an analytical approach for the identification of more homogeneous subgroups within an otherwise dissimilar patient population. In the current paper, Part II, we present a practical step-by-step guide for LCA of clinical data, including when LCA might be applied, selecting indicator variables, and choosing a final class model. We also identify some common pitfalls of LCA, and some related solutions.
科研通智能强力驱动
Strongly Powered by AbleSci AI