利用因果森林估计异质性人群下个体的处理效应

目的 探讨因果森林在异质性人群中估计个体处理效应的有效性及如何应用于实例数据以挖掘异质性人群特征。方法 设计4种模拟方案,通过模拟试验验证因果森林在不同处理效应环境设置下对个体处理效应进行估计的效果,并应用于右心导管插入术实例数据集进行分析。结果 模拟试验结果表明,在4种不同效应值设置下,用因果森林方法所估计的个体处理效应值都能与总体效应相吻合,符合预期分布;实例数据分析结果显示绝大多数患者个体处理效应为正值,使用RHC会导致该样本人群180 d死亡率增高,2月生存模型估计概率和白蛋白含量偏低的患者在使用RHC后更倾向于有较低的死亡风险。结论 因果森林能够有效地估计个体处理效应,为个体是否接受某种处理提供建议。     

观察性研究中基于贝叶斯加性回归树的平均处理效应估计

目的 探讨观察性研究中贝叶斯加性回归树估计平均处理效应的统计学性能及适用条件。方法 通过模拟试验和实例分析比较贝叶斯加性回归树与多变量回归、倾向性得分匹配、逆概率加权的估计结果差异。结果 模拟试验表明,在线性假设下,贝叶斯加性回归树的估计表现与常用方法接近。当数据中变量之间关系复杂,存在非线性关系时,贝叶斯加性回归树的估计结果明显优于其他方法。当不满足可忽略性假设时,未观测到的混杂因素导致四种估计方法的结果都会存在偏倚,但是贝叶斯加性回归树的估计偏倚明显小于其他三种方法,结果相对稳健。并在实例中使用该方法估计了戒烟对于体重变化的平均处理效应。结论 在绝大多数观察性研究中,研究结局受到多个因素的影响,研究者很难正确指定变量间的关系。从模型拟合和结果准确性来说,贝叶斯加性回归树是值得推荐的方法。     

多重并行中介分析方法的比较研究

目的:介绍4种多重并行中介模型的分析方法,包括纯回归法、逆概率加权法、扩展的自然效应模型和基于权重的填补法,并对其进行探讨和比较。方法:针对多重并行中介模型,通过3种情境的模拟试验比较不同方法在不同情境下估计直接效应和间接效应的表现,并应用英国生物样本库的数据集进行实例分析。结果:模拟试验和实例分析结果显示纯回归法和逆...     

不同混杂结构条件下各倾向性评分方法的模拟比较研究

目的通过构建不同混杂结构的处理因素模型和结局模型、不同相关性的协变量,比较多种倾向性评分方法在结局模型为线性回归模型的情况下估计处理效应的优劣。方法采用Monte Carlo模拟方法,通过构建四种由简单到复杂的不同结构的混杂模型,生成相应的数据集,再分别应用倾向性评分匹配、回归调整、加权以及分层的方法估计处理效应并进行比较。评价指标包括点估计、标准误、相对偏倚、均方误差。结果在结局模型为线性回归模型情况下,倾向性评分回归调整法估计的相对偏倚最小,稳定性也最好。匹配法卡钳值取0.02较卡钳值取倾向性评分标准差的0.2倍估计的相对偏倚更小。当处理因素模型中含有非线性效应时,用逆概率加权法估计的偏倚较大,并且加权法估计的标准误也最大。倾向性评分分层法在各种情况下估计的相对偏倚都较大。结论倾向性评分回归调整法能够较好地估计处理效应,并且在各种情况下估计都较为稳健。建议当协变量与处理因素和结局变量的关系无法确定时,这四种方法中可以考虑优先使用回归调整法。     

非独立多分类数据的统计分析方法及SAS程序

目的采用广义估计方程、广义线性混合模型、非线性混合模型分析非独立分类数据。方法以眼科临床试验资料为实例,采用SAS9.2软件中GENMOD、GLIMMIX、NLMIXED过程拟合广义估计方程、线性混合效应模型、非线性混合效应模型。结果广义估计方程将非独立观测间的协方差结构处理为多余参数,模型中不能容纳随机效应;广义线性混合模型可以拟合多个随机效应,但不能对其提供统计学检验;非线性混合效应模型中因变量的分布形式可以自己指定,可以提供真实的似然函数及随机效应的统计学检验结果。3种分析方法的统计分析结论一致。结论 3种分析方法都是分析非独立分类数据的有力工具,研究者根据数据的特征及研究目的选择合适的方法对资料进行分析。     

基于非参数回归的生物等效性多重检验

目的本文提出一种基于非参数模型的生物等效性检验的新方法。方法首先利用非参数回归的方法估计血药浓度-时间曲线,并建立血药浓度估计值线性混合效应模型估计药物效应系数,在此模型的基础上采用多重检验的方法对曲线上每一时间点处的药物效应系数进行生物等效性检验。若在所有时间点处等效,则两种药物等效。结果模拟和实例分析表明此方法能消除周期效应和序列效应的影响,同时在数据稀疏时可降低生物等效性检验的I类误差率,并能提高在测量误差较大时的检验效能。结论本文提出的多重检验方法有较高的检验效能和较低的I类误差率,可应用于生物等效性检验。     

线性混合效应模型的惩罚变量选择

目的研究基于惩罚的线性混合效应模型变量选择原理和方法。方法对线性混合效应模型中的固定效应施加惩罚,采用Lasso和SCAD进行变量选择,通过两步迭代算法估计惩罚似然,利用BIC原则选择惩罚参数。通过广泛的模拟研究评价Lasso和SCAD在线性混合效应模型变量选择中的性质表现,并应用于真实数据的数量性状位点选择。结果模拟研究和实际应用显示,在线性混合效应模型中,两步迭代算法简单可行,基于惩罚的变量选择方法能够有效识别有意义的协变量。结论基于惩罚的策略为线性混合效应模型提供了行之有效的变量选择方法。     

群随机研究中倾向性评分匹配与混合效应模型比较

目的 比较倾向性评分匹配(propensity score matching, PSM)法和混合效应模型法在群随机试验中的统计效能,为同类研究的统计分析方法选择提供指导。方法 通过模拟研究与急性缺血性脑卒中疗效评级数据,比较倾向性评分后拟合单因素条件logistic回归分析模型和直接拟合混合效应模型应用于含有混杂因素的群随机试验数据时的统计学性能,说明方法应用场景和选择策略。结果 PSM后,各混杂因素组间均衡性明显改善。条件logistic回归分析模型和混合效应模型处理效应估计结果十分接近,但前者的P值更小。实例分析结果显示,匹配后各混杂因素的标准化均数差异(standardized mean difference, SMD)均控制在0.1以内,条件logistic回归分析模型识别出两个研究结局的处理组间差异;而混合效应模型仅识别出7 d有效率的处理组间差异。结论 PSM可以平衡群随机试验中的混杂因素,提高两组间的可比性,其检验效能较高。推荐在临床群随机试验中优先考虑PSM法,但也要注意其应用条件和局限性。     

广义估计方程与多水平logistic回归模型在临床纵向数据分析中的应用及比较

目的探讨广义估计方程和多水平模型的应用与临床纵向研究以解决个体重复观测数据内部的相关性问题。方法根据临床纵向实例数据的特点,拟合因变量为二分类的广义估计方程和多水平模型,并与一般logistic模型比较。结果广义估计方程和多水平模型的分析结果与一般logistic模型不同。由于未能考虑个体内重复观测数据的相关性,一般logistic模型错误显示临床分期与近期疗效相关,而广义估计方程和多水平模型分析结果则显示相关无统计学意义。经分层分析也未发现临床分期与近期疗效的关联。结论广义估计方程和多水平模型都能有效地考虑重复观测数据内部相关性并能处理有缺失值的资料。与多水平模型相比,广义估计方程的参数估计较为稳定,可有效的估计各解释变量的效应。     

MIPE在临床试验转组研究中的应用

目的本文介绍一种新的处理临床试验转组数据的统计学方法——校正迭代参数法(MIPE),并通过模拟试验在不同情形下比较MIPE、IPE、意向性分析(ITT)三种方法对治疗效果估计的准确性。方法通过模拟数据探讨不同的治疗效应真值、潜在预后、转组率等24个假设场景中试验药疗效估计值的差异,并将MIPE、IPE、ITT方法应用于每个场景下进行效果比较。结果当试验药与安慰剂组疗效存在差异时,ITT和IPE方法得出的治疗效应估计均有偏,这种有偏估计与不同的治疗效应真值、潜在预后和转组率等因素相关,而MIPE方法不受上述因素影响,估计结果较为准确且稳定。结论 MIPE方法不受实际治疗效应、潜在预后、转组率等因素的影响,在各场景中治疗效应估计值的均值较为稳定,与其他方法相比,更接近真实值,在临床试验评价中使用更为可靠。     

分类变量缺失数据处理方法有效性的比较研究

目的比较删除法(deletion methods,DM)、基于对数线性模型的多重填补法(multiple imputation of category variables using log-linear model,M ILL)及基于潜在类别模型的多重填补法(multiple imputation based on latent class model,M ILC)处理分类变量缺失数据的效果,并将M ILC应用于实例数据的分析。方法利用R语言产生不同缺失机制、缺失率和样本含量的多变量缺失模拟数据,运用DM、MILL和MILC处理形成完整数据集并进行logistic回归分析,通过回归系数的偏倚、均方根误差、稳定度和标准误偏倚评价各方法的处理效果。结果模拟实验表明当缺失率为5%时,三种方法处理效果均较好;随着缺失率的增大,MILL和MILC的各项评价指标均优于DM,且MILC的准确度高于MILL。三种方法处理效果均表现为完全随机缺失优于随机缺失、样本含量1000优于样本含量500。应用MILC对实例数据填补后标准误减小,回归系数估计更准确。结论本文应用MILL和MILC两种多重填补方法处理分类变量缺失数据均可减少缺失导致的参数估计偏倚。当缺失率5%、样本含量1000时,建议应用MILC处理分类变量缺失数据。     

具有相关关系的二分类资料处理方法比较

目的探讨分析具有相关关系的二分类资料的有效处理方法。方法采用蒙特卡罗模拟比较广义估计方程和广义随机效应模型与一般logistic回归在处理具有相关关系的二分类资料的区别。结果一般logisitc回归处理相关关系的二分类资料时假阳性率增加。广义估计方程与广义随机效应模型是处理该类型资料时,I类错误能稳定控制在0.05左右,且检验效能基本一致。结论广义估计方程和广义随机效应模型是处理具有相关关系的二分类资料的合适方法,不能采用一般logistic回归代替。     

群体药代动力学参数估计的SAEM算法

目的 建立在群体药代动力学参数估计问题中的SAEM算法.方法 本文基于房室模型的非线性混合效应模型,根据SAEM算法讨论群体药代动力学模型的参数估计问题,给出算法过程,并应用于计算机模拟C-肽释放实例分析.结果 计算机模拟证实了该方法的有效性,通过研究C-肽释放实例分析也表明SAEM算法估计群体药代动力学参数误差较小.结论利用SAEM算法估计群体药代动力学参数是一个比较好的方法.     

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。     

不完全病例对照研究基因环境交互作用的估计

目的 介绍不完全病例对照研究中基因与环境交互作用的估计方法.方法 分别导出了logistic模型、对数线性模型在传统病例对照研究、单纯病例研究、不完全病例对照研究中主效应以及基因与环境交互作用效应的极大似然估计,并通过实例分析其应用价值.结果 在传统病例对照研究中,当数据未缺失时,logistic模型与对数线性模型的结果是等价的.当无对照时,单纯病例研究的logistic模型可以估计基因与环境的交互作用.当对照组基因信息缺失但环境信息齐全时,用传统病例对照研究的logistic模型无法得到交互作用的估计;用单纯病例研究的logistic模型可以估计交互作用,但由于没有充分利用环境的信息,故得不到环境主效应的估计;不完全病例对照研究的对数线性模型,可同时得到交互作用和环境主效应的估计.结论 不完全病例对照研究采用对数线性模型既可充分利用对照的环境暴露信息,估计环境的主效应,又可估计基因与环境的交互作用.当基因与环境暴露独立时,其估计值与完全数据是等价的.     

传染病流行模型中高维非线性参数估计方法

目的研究根据流行数据逆向估计流行模型中高维非线性参数的方法。方法采用Gepasi3.3软件中的全局优化方法估计非线性传播动力学模型中的各个参数。以SARS流行模型的参数估计为例说明其应用。结果流行模型中各状态变量之间互相转换的公式可以方便地移植到Gepasi软件中的模型定义部分。选择适当的全局优化算法,容易估计出与实际流行数据拟合最佳的各个参数的取值。实例研究发现,Gepasi软件中的遗传算法可以用于估计SARS流行模型中的未知参数。采用估计参数模拟的北京每日新增SARS临床诊断病例数与实际的流行数据相比无明显差异(P>0.05)。结论Gepasi软件中的全局优化方法是强健和可靠的,可以用于流行模型中高维非线性参数的估计。     

医疗器械临床试验定量指标纵向数据中不同模型的比较研究

目的 通过比较一般线性模型、广义估计方程及混合效应模型在医疗器械试验定量指标纵向数据中的估计效果,探讨合适分析方法并提供参考.方法 以非劣效支架试验为例并结合应用蒙特卡洛随机模拟的方法,模拟不同样本量、不同数据相关程度及不同相关数据比例下的纵向数据,比较不同模型应用的准确性.结果 在不同数据相关程度及相关数据比例下,不...     

随机对照试验不依从数据分析方法的比较研究

目的比较依从者的平均因果效应(CACE)、意向性分析(ITT)、遵循研究方案分析(PP)和接受干预措施分析(AT),在分析随机对照试验不依从数据的效果,探索各种方法的适用条件,为实际数据分析提供科学依据。方法通过SAS软件模拟产生不依从数据,处理措施的因果效应使用CACE、ITT、PP和AT进行估计,以平均偏倚、均方根误差、标准误和检验效能作为评价指标,比较各种方法的估计效果。结果在各种参数组合下,以平均偏倚、均方根误差和检验效能作为评价指标,CACE的估计效果均优于ITT、PP和AT。依从率低于50%时,CACE估计的标准误低于PP,高于ITT和AT;依从率高于50%时,CACE估计的标准误均低于ITT、PP和AT。结论当满足CACE模型假设时,CACE估计随机对照试验不依从数据因果效应的效果优于三种传统分析方法,能够提供更加稳健、无偏的处理效应估计值。     

多水平统计模型在4×4交叉设计不完整数据的生物等效性中的应用

目的针对多阶段交叉设计中的不完整数据,分别采用多水平模型RIGLS算法、MOM以及REML算法分析,并与完整数据的结果进行比较。方法针对BE研究中4×4交叉设计,分别运用FDA指导原则中推荐的矩法(Method of Moments,MOM)、限制性极大似然法(Restricted Maximum Likelihood Method,REML)以及基于限制性迭代广义最小二乘法(Restricted Iterative Generalized Least Squares,RIGLS)估计的多水平模型,采用实例与模拟结合的方式进行分析,探讨不同方法在有随机缺失的不完整数据中的结果比较。结果 (1)多水平模型的首要优势在于考虑了数据误差的层次性,将传统模型中的误差随机项分解到与数据层次结构对应的各个水平上。(2)多水平模型可通过在个体水平拟合随机效应,直接估计个体-药物交互作用的方差σ2D,克服传统方法因间接估计而引起的偏倚。(3)多水平模型其算法不要求所有的观测个体有相同的观测次数,可充分利用含有缺失值的信息,对于缺失数据和非均衡设计具有较好普适性。结论本研究将生物等效性与多水平建模有机结合,为非均衡、高变异、小样本、有缺失的生物等效性评价开拓了新的思路,提供了新的方法。     

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。