Published December 21, 2022
| Version v1
Publication
Open
Bayesian Multilevel Modeling in Dental Research
Creators
- 1. Autonomous University of Guerrero
- 2. Hospital Juárez de México
Description
Clinical designs in dentistry collect measurements of the teeth of each subject, forming complex data structures; however, standard statistical methods (Student's t-test, ANOVA, and regression models) do not treat the data as a grouped data type; that is, the measurements are treated as independent despite not being the case. A disadvantage of not considering the dependence on multilevel data is that if there is a significant correlation between the observations, it is ignored by the researcher and consequently finds statistically significant results when in fact they are not. Bayesian methods have the advantage of not assuming normality, unlike maximum likelihood estimation, and Bayesian methods are appropriate when you have small samples. We showed the minimum statistical theory for the use of multilevel models in dental research when the response variable is numerical. In this regard, it was proposed to carry out a Bayesian multilevel analysis to determine the clinical factors associated with the depth of periodontal probing. We adapted the bottom-up strategy to specify a multilevel model in the frequentist approach to the Bayesian approach. We checked the adequacy of the fit of the postulated model using posterior predictive density.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
تجمع التصاميم السريرية في طب الأسنان قياسات أسنان كل مشارك، وتشكل هياكل بيانات معقدة ؛ ومع ذلك، فإن الأساليب الإحصائية القياسية (اختبار t للطالب، و ANOVA، ونماذج الانحدار) لا تعامل البيانات كنوع بيانات مجمعة ؛ أي أن القياسات تعامل على أنها مستقلة على الرغم من عدم كونها كذلك. من عيوب عدم النظر في الاعتماد على البيانات متعددة المستويات أنه إذا كان هناك ارتباط كبير بين الملاحظات، فإن الباحث يتجاهلها وبالتالي يجد نتائج ذات دلالة إحصائية عندما لا تكون كذلك في الواقع. تتمتع الطرق البايزية بميزة عدم افتراض الحالة الطبيعية، على عكس تقدير الحد الأقصى للاحتمال، وتكون الطرق البايزية مناسبة عندما يكون لديك عينات صغيرة. أظهرنا النظرية الإحصائية الدنيا لاستخدام النماذج متعددة المستويات في أبحاث الأسنان عندما يكون متغير الاستجابة رقميًا. وفي هذا الصدد، اقتُرح إجراء تحليل بايزي متعدد المستويات لتحديد العوامل السريرية المرتبطة بعمق فحص اللثة. قمنا بتكييف الاستراتيجية التصاعدية لتحديد نموذج متعدد المستويات في النهج المتكرر للنهج البايزي. لقد تحققنا من كفاية ملاءمة النموذج المفترض باستخدام الكثافة التنبؤية الخلفية.Translated Description (French)
Les conceptions cliniques en dentisterie collectent des mesures des dents de chaque sujet, formant des structures de données complexes ; cependant, les méthodes statistiques standard (test t de Student, ANOVA et modèles de régression) ne traitent pas les données comme un type de données groupées ; c'est-à-dire que les mesures sont traitées comme indépendantes bien que ce ne soit pas le cas. Un inconvénient de ne pas considérer la dépendance aux données multiniveaux est que s'il y a une corrélation significative entre les observations, elle est ignorée par le chercheur et trouve par conséquent des résultats statistiquement significatifs alors qu'en fait ils ne le sont pas. Les méthodes bayésiennes ont l'avantage de ne pas supposer la normalité, contrairement à l'estimation du maximum de vraisemblance, et les méthodes bayésiennes sont appropriées lorsque vous avez de petits échantillons. Nous avons montré la théorie statistique minimale pour l'utilisation de modèles à plusieurs niveaux dans la recherche dentaire lorsque la variable de réponse est numérique. À cet égard, il a été proposé de réaliser une analyse multiniveau bayésienne pour déterminer les facteurs cliniques associés à la profondeur de sondage parodontal. Nous avons adapté la stratégie ascendante pour spécifier un modèle à plusieurs niveaux dans l'approche fréquentiste de l'approche bayésienne. Nous avons vérifié l'adéquation de l'ajustement du modèle postulé en utilisant la densité prédictive postérieure.Translated Description (Spanish)
Los diseños clínicos en odontología recopilan mediciones de los dientes de cada sujeto, formando estructuras de datos complejas; sin embargo, los métodos estadísticos estándar (prueba t de Student, ANOVA y modelos de regresión) no tratan los datos como un tipo de datos agrupados; es decir, las mediciones se tratan como independientes a pesar de no ser el caso. Una desventaja de no considerar la dependencia de los datos multinivel es que si existe una correlación significativa entre lo observado, es ignorado por el investigador y en consecuencia encuentra resultados estadísticamente significativos cuando en realidad no lo son. Los métodos bayesianos tienen la ventaja de no asumir la normalidad, a diferencia de la estimación de máxima verosimilitud, y los métodos bayesianos son apropiados cuando se tienen muestras pequeñas. Mostramos la teoría estadística mínima para el uso de modelos multinivel en la investigación odontológica cuando la variable de respuesta es numérica. En este sentido, se propuso realizar un análisis multinivel bayesiano para determinar los factores clínicos asociados a la profundidad del sondeo periodontal. Adaptamos la estrategia ascendente para especificar un modelo multinivel en el enfoque frecuentista del enfoque bayesiano. Comprobamos la adecuación del ajuste del modelo postulado utilizando la densidad predictiva posterior.Files
85007.pdf
Files
(1.1 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:58dfa8532f9b8d7cb2c7df0ba44b10c6
|
1.1 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- النمذجة البايزية متعددة المستويات في أبحاث الأسنان
- Translated title (French)
- Modélisation bayésienne à plusieurs niveaux dans la recherche dentaire
- Translated title (Spanish)
- Modelado multinivel bayesiano en investigación dental
Identifiers
- Other
- https://openalex.org/W4310842524
- DOI
- 10.5772/intechopen.108442
References
- https://openalex.org/W1527329062
- https://openalex.org/W1790510810
- https://openalex.org/W2130416410
- https://openalex.org/W2577537660
- https://openalex.org/W2749069611
- https://openalex.org/W2962758893
- https://openalex.org/W2989757660
- https://openalex.org/W3008945072
- https://openalex.org/W4248681815
- https://openalex.org/W4255622203