Bayesian Regression Analysis of Sickness Absence

No Thumbnail Available

Files

urn100451.pdf (349.77 KB)

URL

Journal Title

Journal ISSN

Volume Title

Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2011

Department

Lääketieteellisen tekniikan ja laskennallisen tieteen laitos

Major/Subject

Laskennallinen tekniikka

Mcode

S-114

Degree programme

Language

en

Pages

[8] + 48

Series

Abstract

Gaussiset prosessit ovat epälineaarisia regressiomalleja, joilla voidaan mallintaa paikallisia muutoksia vastepinnan rakenteessa. Sairauspoissaoloihin yhteydessä olevia yksilötekijöitä on aiemmin tutkittu yleistetyillä lineaarimalleilla. Vertaamme tässä työssä gaussisia prosesseja yleistettyihin lineaarimalleihin bayesilaisilla menetelmillä ja havaitsemme, että gaussiset prosessit ennustavat yleistettyjä lineaarimalleja paremmin sairauspoissaoloja terveyskyselyn avulla. Teemme myös muuttujanvalinnan gaussisille prosesseille bayesilaisella monivertailumenetelmällä ja havaitsemme, että masennuksella ja kivun aiheuttamalla työhaitalla on yhteys sairauspoissaoloihin. Tulokset ovat linjassa aiempien tutkimusten kanssa. Lisäksi havaitsemme masennuksella ja sairauspoissaoloilla mahdollisen epälineaarisen, saturoituvan yhteyden.

Individual factors associated with sickness absence have previously been studied with generalized linear models. Using Bayesian methods, we compare generalized linear models to Gaussian process models, which are flexible non-linear regression models that allow local changes in the response surface structure. We find Gaussian process models superior for predicting sickness absence with health questionnaire data in a sample of employees of a Finnish company. We also do variable selection for Gaussian process models using Bayesian multiple comparisons. In agreement with previous studies, we find that depression and pain-related impairment at work are associated with increased sickness absence, with a possible saturation effect for depression.

Description

Supervisor

Lampinen, Jouko

Thesis advisor

Vehtari, Aki

Keywords

bayesilainen, regressio, mallintaminen, gaussinen prosessi, yleistetty lineaarimalli, sairauspoissaolo, Bayesian, regression, modeling, Gaussian process, generalized linear model, sickness absence

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-201207022670

Collections

[dipl] Perustieteiden korkeakoulu / SCI