不完全病例对照研究中对照组部分基因信息缺失基因-环境交互作用的估计

目的探讨不完全病例对照研究中对照组基因信息部分缺失时基因一环境交互作用的估计。方法在Stata9．0软件上采用MonteCarlo方法模拟不同基因信息缺失比例数据，对缺失数据采用hotdeck多重填补程序后分析和删除缺失值分析结果进行比较。结果缺失数据〈50％时，hotdeck多重填补后分析和删除缺失值分析对环境主效应、基因主效应以及基因-环境交互作用的估计系数接近完全数据的系数，随缺失比例的增加，两种方法的估计方差均增加，但hotdeck多重填补估计方差小于删除缺失值分析。结论不完全病例对照研究中，对照组基因信息缺失比例〈50％时，可以用hotdeck填补方法充分利用已有的信息估计基因-环境的交互作用，提高估计精度。     

世界健康调查-中国调查数据分析方法

目的 对世界健康调查中的调查数据进行分析，以获得卫生系统总体绩效的合理评估。方法 用抽样权重作为调整值，采用Taylor级数线性化技术估计总体参数及相应的方差。结果 对于健康状况指标和卫生系统反应性指标的排序，几个抽样点通过普通统计方法和调查数据分析方法所获得的结果间存在明显差异。采用来自于调查数据分析方法的结果去建立对抽样地区的综合绩效评估。结论 多阶段抽样设计使得抽样调查的分析变得复杂．调查数据分析方法可以计算总体参数的点估计和方差估计的近似值，这种方法减少了由于背离独立同分布(independent and identical distribution，IID)假设所产生的偏倚。     

有序分类重复测量数据的多水平模型分析

目的：探讨多水平模型理论在有序分类重复测量数据具有非独立性或误差分布于多个层次时的应用。方法：阐述了多水平模型的构造方法，及模型估计的实现，结果：对有序分类重复测量数据实例拟合方差成分模型及随机系数模型，并得到合理的解释。结论：采用多水平模型分析有序分类的重复测量数据。效果较好，建议采用RIGLS计算，参数估计采用PQL估计。     

REML法和Bayesian法对小样本不平衡单因素随机效应模型方差成分估计的模拟比较分析

目的 比较限制性极大似然估计(REML)法和贝叶斯法(Bayesian)对小样本不平衡单因素随机效应模型方差成分估计的偏差和精密度,同时考虑在样本量的大小、单位的数量和单位内相关系数(ICC)的大小不同的情况下对方差成分估计的精确程度的影响.方法 通过计算机模拟7组不同设计的数据集,用SAS软件MIXED模块进行方差成分估计.结果 不同的设计中,REML法估计比Bayesian法估计更加接近真值,但Bayesian法对组间方差的区间估计更加精密.对于两种方法 而言,样本和单位数量的增加,估计结果 更加准确.组内方差的估计,比组间方差的估计更准确和精密.结论 对小样本不平衡结构数据,当ICC为小或中等时,REML估计比Bayesian估计的偏差和均方误差要小,推荐使用.但是Bayesian法的区间估计比REML法的区间估计更加精密.     

复杂抽样调查总体特征量及其方差的估计

目的 介绍一种基于设计的复杂抽样调查数据总体特征量及其方差的估计方法.方法 采用抽样权重估计有关的总体特征量,用泰勒级数线性法估计其方差,并给出具体的分析实例.结果 加权估计量是总体特征量的近似无偏估计,所构建的95%CI可用于有关估计量准确度的评价及假设检验.结论 基于设计的复杂抽样调查数据分析方法说明了调查设计的特征,在大规模调查情况下都能得到可靠的结论.     

百分位数回归及其应用

传统的直线回归中，用最小二乘法估计回归系数，要求数据的独立性，方差齐性及正态性。但医学研究中，很多资料不满足上述要求，特别是ｙ的条件分布不是正态，或方差不为常数。这类资源显然不能用传统的最小二乘法估计回归系数。     

两水平方差成分模型与线性回归模型关系的探讨

目的 探讨对于具有两个水平层次结构的数据拟合方差成份模型与线性回归模型的关系。方法 通过三类传统线性回归模型与两水平方差成份模型参数估计的对比分析其内在联系,结果 线性回归模型参数的估计以及估计的稳定性与自变量在水平２单位间和水平２单位内的变异大小有关,线性回归模型与方差成分模型参数估计及其稳定性的关系与水平２残差方差或单位内相关系数大小有关。结论 当数据具有层次结构特征时,三类线性回归模型均存在     

考虑多阶段抽样设计的误差估计

多阶段随机抽样是公共卫生开展人群抽样调查的常用设计。多阶段抽样设计下获得的样本具有复杂样本的特征,存在群效应或数据不独立,若不考虑抽样设计,通常会低估抽样误差或增加统计推断Ⅰ类错误的风险。由于复杂样本误差估计形式较复杂,目前常用统计软件均默认采用极群方差估计策略来简化样本结构,即假设样本来自于一阶段整群抽样,忽略除第一阶段抽样外的所有抽样设计,从而实现对误差的近似估计。然而,在初级抽样单元入样比较高时,后继抽样阶段对误差的贡献不可忽略,极群方差估计策略可能导致无效的误差估计。本文旨在介绍考虑多阶段抽样设计下的误差估计方法,并通过对现实数据进行多阶段模拟抽样,探讨在不同抽样设计下,极群方差估计策略和考虑多阶段抽样设计下的误差估计差异。模拟结果显示,随初级抽样单元入样比的增加,极群方差估计策略估计的误差出现不同程度的偏倚,且随入样比增加偏倚加重;而考虑多阶段抽样设计下的误差估计则较准确反映误差水平,可得到准确的统计推断结果。     

常规致畸试验窝效应的统计处理及统计软件实现

目的 致畸试验数据不宜采用常规统计方法进行分析，为探讨分析常规致畸试验窝效应的统计处理。本文介绍了通过SIJDAAN统计软件的实现过程。方法 利用S15DAAN统计程序实现致畸试验中两分类结局变量的统计分析。结果 本软件对致畸试验数据统计分析可获得参数的一致性估计，并可获得稳健的方差估计。从而得出正确的统计推断。结论 包括SUDAAN在内的一些统计软件可以正确分析来自致畸试验等研究的聚集性数据。实际应用中可根据专业数据特点结合程序选项合理运用。     

应用捕获-再捕获方法评价死因登记报告信息完整性

目的应用捕获-再捕获方法估计汶上县全死因死亡率和漏报率,并评价死因登记报告系统收集死亡信息的完整性。方法收集汶上县死因登记报告系统和死因漏报系统的全死因死亡资料。不同来源数据间的匹配采用标准匹配。应用Chapman和Wittes的无偏估计公式估计目标人群的死亡人数。结果在抽样地区,两来源资料中共报告全死因死亡人数为77人,死亡率为7.13‰。死因登记报告系统报告的全死因死亡人数为69人,死亡率为6.39‰。用捕获-再捕获方法估计的全死因死亡人数为79人,死亡率为7.32‰。死因登记报告系统的漏报率为12.6%,两样本合并后,漏报率为2.6%。结论死因登记报告信息存在明显的漏报,而利用现有的资料,使用捕获-再捕获方法可以校正低估的全死因死亡率。     

含区间数据Gamma分布的参数估计

目的 建立含区间数据Gamma分布的参数估计方法，并用于SARS潜伏期的推算。方法 采用EM算法构造出求解含区间数据Gamma分布参数极大似然估计的迭代公式，并应用于SARS潜伏期分布的拟合。结果 基于EM算法的极大似然估计方法可以计算出含区间数据Gamma分布的两个参数，从而得到均值估计。同时，还可以根据极大似然估计的渐近性质，计算出估计量的标准误及各参数的置信区间。用于中国内地SARS爆发资料分析，发现SARS潜伏期服从Gamma(2．1，2．33)分布；潜伏期均值和方差的极大似然估计值分别为4．89天(95％CI4．43～5．35)和11．40天^2；95％的病人感染SARS-CoV后将在11．42天内发病。结论 基于EM算法的极大似然估计方法对于含区间数据Gamma分布参数的估计是强健的。可以用于含区间数据SARS潜伏期的精确估计。     

两样本孟德尔随机化法分析抑郁症与间质性肺病关系的研究

目的 采用孟德尔随机化方法分析抑郁症与间质性肺病(ILD)之间的因果关系，为ILD的预防、治疗及预后评估提供新的思路。方法 利用大样本全基因关联研究汇总数据，选择与抑郁症密切相关的遗传位点作为工具变量，逆方差加权法为主，加权中位数法和MR-Egger回归为辅对数据进行两样本孟德尔随机化分析。以OR值评价抑郁症与ILD之间的因果关系，异质性检验、基因多效性检验和敏感性分析3种方法评估结果的稳定性和可靠性。结果 共纳入37个单核苷酸多态性(SNP)位点作为工具变量，逆方差加权法估计抑郁症患者患ILD的风险(OR)是健康人群的1.21倍(95%CI:1.075～1.361,P=0.002)。加权中位数法同样支持抑郁症和ILD之间存在因果效应(95%CI:1.118～1.564,P=0.001)。逆方差加权法和MR-Egger回归的异质性检验结果表明不存在异质性，MR-Egger回归截距项和MR-PRESSO方法检验表明结果受基因多效性影响的可能性较小，leave-one-out分析未发现非特异性SNP。结论 抑郁症与ILD之间可能存在正向因果关联。     

基于贝叶斯估计的Sysmex CS5100全自动血凝分析仪故障诊断方法研究

目的 ：为快速诊断Sysmex CS5100全自动血凝分析仪故障，提出一种基于贝叶斯估计的故障诊断方法。方法：首先，通过多个传感器采集血凝分析仪的输出信号数据，并采用贝叶斯估计算法对数据进行融合处理；其次，将提取数据融合后的幅值作为血凝分析仪的特征参数；最后，根据信号幅值特征参数计算血凝分析仪故障数据间的依附率，然后结合k近邻算法完成血凝分析仪的故障诊断。结果：采用该方法可精准判断血凝分析仪的故障状态并及时发出预警信息。结论：提出的方法计算过程简单、操作难度低、诊断结果可靠，能够满足血凝分析仪的故障诊断要求。     

差异表达基因鉴别的SAM和RVM的比较

目的 探讨小样本量情况下基于两种不同理论对方差进行调整的SAM和RVM方法在差异表达基因鉴别中的性能。方法 以真实实验数据作为参数估计的基础进行理论数据的模拟，并基于理论数据对SAM、基于permutation的SAM和RVM的性能进行了探讨。结果基因的对数表达比的残差方差较好地符合反伽马分布，在设定的不同差异表达基因比例情况下，基于Permutation的SAM法的鉴别性能最高，RVM次之，SAM最低。结论 基因残差方差的分布可以用反伽马分布拟合，基于permutation的SAM和RVM具有较好的检测差异表达基因的性能，SAM在估计校正系数时应考虑差异表达基因的比例。     

用极差作方差分析

在《观测数据的记录与一般统计处理》一文中,曾用极差来估计标准差,并进而推断均数的置信限,和作两样本均数差异的显著性检验。在小样本时能有较满意的效果,是一种较简便的检验方法。现再用极差来处理一般的方差分析问题,它可由极差估计方差作方差检验(F检验),和用t化极差作q检验。     

复杂抽样下截取因变量回归系数方差估计的模拟研究

目的探讨复杂抽样下截取因变量数据拟合回归模型后其回归系数的方差估计。方法模拟复杂抽样下分别从左右方向发生截取的数据,按照是否考虑抽样特征分别拟合参数与半参数回归模型,给出两种情况下模型中回归系数的标准误,比较这两种情况所得结果的异同。结果在样本量固定的前提下拟合截取回归模型,考虑复杂抽样特征后估计所得的回归系数与假设完全随机抽样一致,但其回归系数的标准误却不同于复杂抽样的情形。如果群内异质性高,群内相关系数很小,在复杂抽样条件下回归系数的标准误要低于不考虑复杂抽样特征的情形。结论对于抽样框完整的复杂抽样截取数据,进行数据处理时应尽可能地将抽样特征考虑在内,运用复杂抽样数据方差估计得到的结果更接近于实际情况,统计推断结果更加真实可靠。     

复杂抽样下的截取回归模型在医学研究中的应用

目的 探讨复杂抽样下截取因变量回归模型的方差估计及在医学研究中的应用.方法 模拟复杂抽样下分别从左右方向发生因变量截取的回归数据,比较不同截取比例、不同组内相关时不考虑抽样特点和考虑抽样设计后的泰勒级数法、刀切法、平衡半样本法所得到回归系数及其标准误,并给出一个医学随访实例.结果 随截取比例的增加回归系数偏性增加且其标准误变大,考虑抽样特征时回归系数标准误减小,群内个体相关越小回归系数标准误也减小.结论 对于抽样框完整的复杂抽样截取数据进行回归分析时,运用复杂抽样数据方差估计可提高统计推断效率.     

多元回归中的多重共线性及其存在的后果

本文以双变量回归模型为基础,讨论了在多元线性回归中完全多重共线性和不完全但高度多重共线性情况下参数及方差的估计问题。结果表明:在完全多重共线性情况下,偏回归系数不能估计,方差为无穷大;在不完全但高度共线性情况下,其偏回归系数的估计是可能的,但其方差和标准误随着变量间的共线性程度增加而变大,从而使得总体有关参数的置信区间变得更大,因而增加接受错误假设的概率。本文还对一个医学研究实例进行了分析,说明在高度多重共线性情况下对参数估计值可能造成的影响。     

常见结局事件的前瞻性研究中修正Poisson回归模型的应用

目的 介绍应用修正poisson回归模型计算常见结局事件的前瞻性研究中暴露因素的调整相对危险度的精确区间估计值.方法 应用稳健误差方差估计法（sandwich variance estimator）来校正相对危险度（RR）的估计方差,并通过SAS程序中GENMOD过程的REPEATED语句实现修正poisson回归.此外,采用不同的统计方法对5个虚拟的研究数据进行了分析比较.结果 以分层的Mantel-Haenszel法为标准参照,修正poisson回归对aRR点和区间估计均较为理想,普通poisson回归的aRR区间估计偏于保守.而logistic回归得到的aOR值明显偏离真实的RR值.结论 修正poisson回归模型适合于处理常见结局事件的前瞻性研究资料.     

主客观权重系数及其整合

针对医院综合效益评价，本文提出了用收缩整合的方法，对主客观权数进行调整，使其适应评价的要求，该方法与假设检验等其它方法相比，具有缩小估计方差和计算简便的优点。