[发明专利]基于多水平贝叶斯模型的高血压风险评估装置

权利要求书

1.一种基于多水平贝叶斯模型的高血压风险评估装置，其特征在于，包括：所述计算机，所述计算机被编程以便执行如下步骤：

构建多水平贝叶斯广义线性回归模型

其中，h(t，X)为比例风险模型以风险率函数，t为时间，X为协变量(预测指标)，h₀(t)为所有协变量为0时的基础风险率，和表示高血压遗传因素和相应的参数，exp()为指数函数；通过选择合适的先验分布，实现高血压相关遗传变异微小效应的估计和已有的高血压生物学先验信息的整合；

多水平贝叶斯Cox模型中采用EM-IWLS方法进行相应参数估计。

2.如权利要求1所述的基于多水平贝叶斯模型的高血压风险评估装置，其特征在于，采用多水平柯西分布和双指数分布作为各个参数先验分布，两种先验分布的表达形式分别为：

β_j为多水平贝叶斯广义线性回归模型中各系数的参数，N()为正态分布，Inv-χ²()为逆卡方分布，Gamma()为伽马分布。。b^-1，b为对应各分布的参数。

3.如权利要求1所述的基于多水平贝叶斯模型的高血压风险评估装置，其特征在于，构建包含复杂交互作用的模型，简化表达如下：

h(t，X)＝h₀(t)exp(X^Eβ^E+X^Gβ^G+X^GEβ^GE+X^GGβ^GG)

其中，h(t，X)为比例风险模型以风险率函数，t为时间，X为协变量(预测指标)，h₀(t)为所有协变量为0时的基础风险率，X^E、X^G、X^GG和X^GE分别表示环境因素、遗传因素、基因-基因和基因-环境交互作用的系数矩阵；β^E、β^G、β^GG和β^GE则分别表示相应的效应参数矩阵，exp()为指数函数。

4.如权利要求1所述的基于多水平贝叶斯模型的高血压风险评估装置，其特征在于，多水平贝叶斯广义线性回归模型拟合应用BhGLM软件包中的bcoxph函数来完成。

5.如权利要求1所述的基于多水平贝叶斯模型的高血压风险评估装置，其特征在于，多水平贝叶斯Cox模型中采用EM-IWLS方法进行相应参数估计具体包括：在期望步(E-step)，基于当前的参数值，获得先验分布超参数的极大似然估计，在极大步(M-step)，以期望步获得的超参数估计为基础，通过IWLS或Newton-Raphson迭代算法进行各个效应参数值的估计，如此反复迭代直至收敛，最终获得各效应参数的准确估计。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如下步骤：

构建多水平贝叶斯广义线性回归模型

其中，h(t，X)为比例风险模型以风险率函数，t为时间，X为协变量(预测指标)，h₀(t)为所有协变量为0时的基础风险率，和表示高血压高血压遗传因素和相应的参数，exp()为指数函数；通过选择合适的先验分布，实现高血压相关遗传变异微小效应的估计和已有的高血压生物学先验信息的整合；

多水平贝叶斯Cox模型中采用EM-IWLS方法进行相应参数估计。

7.根据权利要求6所述的计算机可读存储介质，其特征在于，采用多水平柯西分布和双指数分布作为各个参数先验分布，两种先验分布的表达形式分别为：

β_j为多水平贝叶斯广义线性回归模型中各系数的参数，N()为正态分布，Inv-χ²()为逆卡方分布，Gamma()为伽马分布。。b^-1，b为对应各分布的参数。