groeicurvemodellering

Groeicurvemodellering is een statistische aanpak voor het beschrijven en analyseren van veranderingen in een uitkomst over tijd, op individueel niveau of voor een groep. Het doel is om een groeicurve te schatten die typische groeipatronen weergeeft terwijl variatie tussen individuen en omstandigheden wordt vastgelegd. Vaak worden niet-lineaire groeimodellen en niet-lineaire gemengde-effectenmodellen (NLME) toegepast, zodat random effects kunnen worden gebruikt om individuele groeitrends te modelleren.

Veelvoorkomende functies zijn logistieke, Gompertz, Richards en von Bertalanffy; soms wordt ook een power-law benadering gebruikt. Deze modellen beschrijven kenmerken zoals asymptotische grootte, groeisnelheid en veranderingen in groeisnelheid over tijd. Bij populaties met individuele verschillen worden random-intercepten en random-slopes gebruikt om afwijkingen van de gemiddelde curve vast te leggen. Data vereisen longitudinale metingen: herhaalde observaties bij dezelfde eenheden, mogelijk met onregelmatige timing en meetfouten.

Estimation en diagnostiek gebeurt meestal via maximale waarschijnlijkheid of REML; Bayesian benaderingen zijn eveneens gangbaar. Softwarevoorbeelden zijn R-pakketten zoals nlme en nlmixr, Saemix, Stan of PyMC, en SAS PROC NLMIXED of NONMEM.

Toepassingsgebieden zijn onder meer klinische pediatrie en ontwikkeling, ecologie en landbouw, farmacommetrie en farmacokinetiek, en studies naar leer- of gedragsontwikkeling. Belangrijke aandachtspunten zijn ontbrekende data en dropout, onregelmatige meetmomenten, heteroscedasticiteit en mogelijke informatieve missingness. Het ontwerp van studies en de data-kwaliteitscontrole zijn cruciaal voor betrouwbare groeicurvemodellering.