重复测量诊断试验的ROC曲线广义线性混合效应模型北大核心CSCD

目的针对重复测量诊断数据,为同时考虑协变量对诊断试验准确性评价的影响,度量重复测量数据间的相关性,本文探索新的ROC曲线的建模方法。方法通过广义线性混合效应模型对ROC曲线进行模拟,并采用贝叶斯参数估计方法,利用Win BUGS软件予以实现,进而计算不同协变量取值下的ROC曲线下面积(AUC)以对诊断试验结果进行评价。结果实例数据分析结果表明,基于广义线性混合效应模型的ROC曲线建模方法可以有效地刻画重复测量诊断试验数据,给出更有解释意义的回归参数,提供临床分析的参考依据。结论基于广义线性混合效应的ROC曲线模型在解决重复测量诊断试验的准确度评价问题起着至关重要的作用。     

基于贝叶斯估计的诊断试验ROC曲线回归模型

目的 阐明基于贝叶斯估计的ROC曲线回归模型.方法 通过实例对比分析,介绍WinBUGS软件ROC曲线回归模型参数估计与应用.结果 基于贝叶斯估计的ROC曲线回归模型不仅可考虑(平衡)协变量对诊断试验结果准确性评价的影响,而且可计算不同协变量取值条件下的ROC曲线下面积;不同先验分布的选取在一定范围内模型参数估计结果较稳定,可作为临床诊断试验结果分析的依据.结论 基于贝叶斯估计的ROC曲线回归模型,可有效地解决受协变量影响的临床诊断试验准确度评价问题.     

具有协变量或干扰因素的诊断试验数据的ROC分析

目的 探讨具有协变量或干扰因素的诊断试验的评价问题。建立相应的统计模型及分析方法。方法 基于ROC分析给出变量ROC模型，采用有序logistic连续函数，利用SAS软件进行参数估计，得到有协为量情况下的ROC曲线方程及曲线下面积。文中结合检测动脉硬化的数据，说明了其用法。结果 采用文中给出的方法，可以有效地扣除协变量的影响，准确地评价诊断的作用。结论 本文提供的方法能够有效地解决诊断试验中具有干扰因素影响的问题。     

连续变量诊断试验数据的ROC分析

目的 介绍一种连续诊断变量的ROC回归模型，以及在独立和相关结构下的参数估计方法，给出参数误差估计的Bootstrap方法。方法 应用SAS软件中的GENMOD过程和SAS语言编写的程序实现上述过程，并通过实例说明其应用效果。结果 利用ROC曲线方程，可以扣除协变量对诊断试验结果评价的影响，并能够计算出在不同协变量取值下的ROC曲线下面积，提供更为丰富和可靠的信息。结论 文中给出的ROC回归模型可以有效地用于连续变量诊断试验数据的ROC分析。     

带时依协变量的重复测量资料的混合线性模型分析及其MIXED过程实现

目的 探讨混合线性模型在带有时依协变量的重复测量资料分析中的应用.方法 以治疗轻、中度原发性高血压病临床试验资料为例,考虑到给药方案在各个时间点随病情而变化,利用SAS中的MIXED过程,选择合适的协方差结构来实现带有时依协变量的重复测量资料的统计分析.结果 时依协变量(给药方案)对治疗轻、中度原发性高血压病有统计学意义(P＜0.05);时间因素有统计学意义(P＜0.05);给药方案与时间因素之间有交互效应(P＜0.05)、给药方案与处理因素之间有交互效应(P＜0.05).结论 采用混合线性模型对带有时依协变量的临床试验重复测量资料进行统计分析,可以更客观地进行药物疗效评价.     

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。     

无金标准条件下含协变量的ROC曲线估计方法

目的阐明无金标准条件下,考虑协变量后估计ROC曲线的两部贝叶斯模型。方法介绍两部贝叶斯模型,结合实例,筛选无金标准条件下ROC曲线的影响因素,考虑协变量影响后,估计ROC曲线。结果两部贝叶斯模型不仅可探讨协变量对疾病状态的影响,而且可探讨协变量对诊断试验结果的影响,同时可计算不同协变量取值条件下ROC曲线下面积。结论两部贝叶斯模型可有效地解决无金标准条件下,考虑协变量影响的ROC曲线估计问题。     

重复测量线性混合模型中方差-协方差结构的选择

线性混合效应模型在医学重复测量资料的数据分析与设计中广泛应用。本文围绕医学实例阐述了重复测量线性混合效应模型在对不同方差 -协方差结构建模时协方差结构的选择 ,并对结果进行分析 ,为重复测量线性混合效应模型在医学研究中的应用提供了方便     

广义线性混合效应模型在分类重复测量资料中的应用

目的探讨分类重复测量资料广义线性混合效应模型(GLMMs)建模及SAS8.0的GLIMMIX宏实现。方法利用GLIMMIX宏ERROR和LINK语句来指示反应变量的分布及连接函数,通过REPEATED和RANDOM语句的TYPE选项选择合适的方差-协方差结构矩阵来模拟数据的相关性,采用基于线性的伪似然函数进行模型参数估计。结果GLMMs是在广义线性固定效应模型的基础上引入随机效应,反应变量可以是指数家族中任意分布(连续分布包括正态分布,beta分布,卡方分布等;离散分布包括二项分布,泊松分布,负二项分布等),可以通过连接函数将观测的均数向量与模型参数联系起来,根据重复测量资料的特点选择合适的方差-协方差结构矩阵。结论GLMMs应用范围广,建模灵活,可以为相关或非常量方差数据建模,能提供客观正确的统计结论。     

临床试验评价的ROC分析方法

目的探讨新药临床试验效果的评价问题,给出一种新的统计分析方法。方法基于ROC分析给出多变量ROC模型,采用有序logit联系函数,利用SAS软件进行参数估计,得到有协变量及交互作用情况下的ROC曲线方程及曲线下面积。结果采用文中给出的方法,可以有效地扣除协变量的影响,用ROC曲线直观地评价药物之间的差别和作用。结论本文提供的方法能够更有效地对临床试验做出客观和准确的评价。     

混合线性模型的应用

目的介绍混合线性模型的结构，固定效应项和随机效应的含义。对具有内部相关性的资料．宣选用混合线性模型进行配合。方法用一个具有聚集性结构的例子和一个重复测量的例子说明配合混合线性模型的方法和步骤。结果分析了资料的层次结构，识别不同层次上的协变量，讨论了模型中固定效应矩阵和随机效应矩阵的结构，使模型参数估计值更易于理解和解释。由于混合线性模型克服了一般线性模型对反应变量必须具有独立和等方差的要求，从而扩大了线性模型的应用范围。对于具有聚集性质的资料及重复测量资料具有很好的拟合效果。结论这一模型计算较复杂，应用SAS／STAT软件包中的PROMIXED过程能很好地解决计算问题。     

双反应变量重复测量资料分析及MIXED过程实现

目的探讨双反应变量重复测量资料的分析原理与方法及SAS软件PROCMIXED过程的应用。方法结合双反应变量重复测量数据的特点,采用SAS软件的MIXED过程对其进行分析,建立线性混合效应模型。结果该模型不仅考虑了每个变量多次重复测量结果之间的相关性,也考虑了两个变量之间的相关性,同时还引入固定效应和随机效应,结合数据特征分析,结果更为可信。结论对双反应变量非独立重复测量资料,可以把数据之间的相关性分解为重复测量间相关性和变量间相关性两部分,采用MIXED过程不仅可对其相关性做出明晰深入的分析,且可保证数据分析结果解释更符合实际。     

在广义线性混合模型框架下多结局测量的多变量meta分析

目的基于SAS PROC NLMIXED探讨在广义线性混合模型框架下实现多结局测量的多变量meta分析的方法。方法Stijnen等人提出一种基于广义线性混合效应模型(generalized linear mixed model,GLMM)的确切的研究内似然模型(exact within-study likelihood models,EWLM)meta分析技术,可以极方便地实现多结局测量的多变量meta分析。本文重新对Voko等人的荟萃分析数据进行分析,该数据旨在研究颈动脉狭窄患者采用颈动脉内膜切除术或保守治疗对联合终点卒中或死亡的影响。结果基于PROC NLMIXED拟合的多变量随机效应模型的meta分析显示,手术组术后第1个月内的事件发生率为6.31%,SE=0.0083,95%CI(0.0456,0.08063)。手术治疗一个月后的事件发生率为5.5%,SE=0.0024,95%CI(0.04953,0.05962);而对照组事件发生率为7.45%,SE=0.0058,95%CI(0.06231,0.08672)。组间比较比值比效应值OR=0.732,SE=0.0498,95%CI(0.6269,0.838),P=0.0003。结论多变量分析比单变量分析具有更大的潜在信息量,基于广义线性混合效应模型的确切的研究内似然模型meta分析技术可以成为多结局测量的优选方法。     

医学诊断试验评价的ROC分析—重复测量诊断数据的ROC曲线

目的 探讨诊断试验中重复有序分类测量数据的ROC分析方法。方法 在有序模型基础上构造相应的ROC模型,然后选用累积logistic模型作为联系函数,采用GEE方法进行参数估计。结果 通过累积logistic模型的参数估计,能够得到ROC曲线方程、ROC曲线下面积及标准误。结论 上术方法影像诊断试验中常见的重复测量数据进行有效地分析与处理。     

logistic回归模型在ROC分析中的应用

目的探讨logistic回归模型在有协变量或多指标联合诊断试验ROC分析中的应用。方法根据疾病状态建立logistic回归模型,通过形成的预测概率或联合预测因子为分析指标,并结合非参数模型和双正态模型建立ROC曲线。结果通过实例阐述了整个分析过程,并说明了该试剂盒的有效性,同时利用两种模型得到了一致的结果。结论ROC分析中结合logistic回归模型简单有效,尤其适用于有协变量或多指标联合诊断试验的分析评价。     

四种与冠心病相关指标联合诊断冠心病价值评价

目的：探讨klgistic多指标联合诊断试验ROC分析中的应用，评价4种与冠心病发病有关指标在冠心病诊断及联合诊断中的效果。方法：根据疾病状态建立klgistic回归模型，通过形成的预测概率或联合预测因子为分析指标，并结合双正态模型建立ROC曲线。结果：通过实例阐述了整个分析过程，并说明了指标对诊断冠心病的有效性，确定了基于联合诊断的晟佳工作点。结论：ROC分析中结合logistic回归模型简单有效，尤其适用于有协变量或多指标联合诊断试验的分析评价。     

二次推断函数与广义估计方程缓控释制剂工艺数据建模比较

目的比较二次推断函数(QIF)及广义估计方程(GEE)对具有重复测量特征的缓控释制剂制备工艺累积释放度数据的建模效果。方法选取三种作业相关矩阵对缓控释制剂制备工艺正交试验设计数据建立QIF模型并进行拟合优度检验,用评价指标AIC、BIC选择模型及选择合理的作业相关矩阵;基于此合理的作业相关矩阵建立广义估计方程(GEE)模型;用均方误差(MSE)比较QIF模型及GEE模型的建模效果。结果累积释放度数据用QIF方法以可交换相关矩阵建立的模型评价指标AIC、BIC最小(AIC=24.000、BIC=26.367),均方误差MSE=0.0123,而基于可交换相关矩阵建立的GEE模型MSE=32.6535,QIF的建模效果要优于GEE。结论在具有重复测量数据特征的缓控释制剂的建模研究中,二次推断函数建模可以用评价指标AIC、BIC选择模型,并且建模效果优于广义估计方程,具有应用价值。     

重复测量资料非线性混合效应模型应用与实现

目的探讨重复测量资料非线性分析技术、SAS软件NLMIXED过程及在群体药动学的应用.方法结合重复测量数据特点,采用最大似然原理进行参数估计,建立非线性混合效应参数模型.结果该模型不仅考虑了个体内和个体间变异,而且也考虑了参数间的非线性,允许固定效应和随机效应进入模型的非线性部分;可方便地分析随机缺失等非均衡数据;有助于引入其他解释变量时最佳模型的选择,更客观地解释其对代谢过程的影响.结论当重复测量资料不满足线性条件时,使用非线性混合效应模型能更客观地反映原数据特征,挖掘资料蕴藏的信息,弥补线性理论分析非线性重复测量资料之不足.     

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。     

混合线性模型在临床试验中重复测量资料的应用

目的：探讨混合线性模型在临床试验重复测量资料分析中的应用。方法：利用混合线性模型分析结果指标为定量资料的重复测量资料，通过参数和标准误的估计得出统计学结论。结果：对于临床试验重复测量资料，混合线性模型能有效的考虑数据相关性，处理有缺失值的资料，可以获得组别、时间及有无交互作用的结论。结论：采用混合线性模型对临床试验重复测量资料进行统计分析，可以更客观的进行药物疗效评价。