Growth Curves Modelling and Its Application

Abstract

In this article, we compare two ways of modelling measures of fetal growth. The goal is to impute the missing information for certain ultrasound measurements that are observed at different times and with different numbers of observations. To analyze the effect that other variables have, such as environmental exposure to certain substances or diet, on fetal growth based on these data, we need to handle the information measured at the same instant of time for all the individuals under study, preferably in three time windows of pregnancy (first trimester, week 12; second trimester, week 20; third trimester, week 34). For this, data at these chosen times, in case they are not available, must be imputed from the available information using an appropriate statistical model. One option is to use a linear model, specifically a generalized least squares model that is fitted to the features shown in the data. The other option is to use diffusion processes, estimating their parameters based on the available information. In both options, missing data can be estimated with the unconditional fitted model, conditional on the previous available measurement, or conditional to the closest measurement.

En este artículo, comparamos dos formas de modelar medidas de crecimiento fetal. El objetivo es imputar la información faltante para determinadas mediciones ecográficas que se observan en diferentes momentos y con diferente número de observaciones. Para analizar el efecto que otras variables, como la exposición ambiental a determinadas sustancias o la dieta, tienen sobre el crecimiento fetal a partir de estos datos, debemos manejar la información medida en el mismo instante de tiempo para todos los individuos estudiados, preferiblemente en tres ventanas de tiempo del embarazo (primer trimestre, semana 12; segundo trimestre, semana 20; tercer trimestre, semana 34). Para ello, los datos en esos momentos elegidos, en caso de que no estén disponibles, deberán imputarse a partir de la información disponible utilizando un modelo estadístico adecuado. Una opción es utilizar un modelo lineal, específicamente un modelo de mínimos cuadrados generalizados que se ajuste a las características que se muestran en los datos. La otra opción es utilizar procesos de difusión, estimando sus parámetros en función de la información disponible. En ambas opciones, los datos faltantes se pueden estimar con el modelo ajustado incondicional, condicional a la medición anterior disponible o condicional a la medición más cercana.