Variable-Domain Weighted Scalar-on-Function Regression for Maternal-Infant Weight Modeling
Gestational weight gain (GWG) is a key factor in monitoring maternal and fetal health.This study explores the relationship between the maternal BMI change rate and newborn weight.We propose a variable-domain weighted scalar-on-function regression model to capture the dynamic weight gain effects while accounting for differences in gestational age at birth.The dynamic effects of GWG are modeled through a bivariate coefficient function,where one dimension represents time and the other is pre-pregnancy BMI.Our model incorporates heteroscedasticity in the error structure to account for the varying variances associated with different gestational ages at birth.The heteroscedasticity is addressed via a weighted least squares approach.We approximate the coefficient function using a tensor product of B-splines expansion and establish the prediction intervals for future birth weight.Our model offers insights for guiding maternal weight management.We develop a Shiny app for real-time weight monito
Régression scalaire sur fonction pondérée par domaine variable pour la modélisation des poids de la mère et de l'enfant
La prise de poids gestationnel (PPG) est un facteur clé dans le suivi de la santé maternelle et fœtale. Cette étude explore la relation entre le taux de changement de l'IMC maternel et le poids du nouveau-né. Nous proposons un modèle de régression scalaire sur fonction pondéré par domaine variable pour saisir les effets dynamiques de la prise de poids tout en tenant compte des différences d'âge gestationnel à la naissance. Les effets dynamiques de la PPG sont modélisés par une fonction de coefficient bivariée, avec une dimension pour le temps et l'autre pour l'IMC avant la grossesse. Notre modèle incorpore l'hétéroscédasticité dans la structure d'erreur pour tenir compte des variances variables associées aux différents âges gestationnels à la naissance. L'hétéroscédasticité est traitée par une approche des moindres carrés pondérés. Nous approximons la fonction de coefficient à l'aide d'un produit tensoriel d'expansion B-splines et établissons les intervalles de prédiction pour le futur poids de naissance. Notre modèle permet d'orienter la gestion du poids maternel. Nous développons une application Shiny pour le suivi du poids en temps réel.
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais