轮廓似然函数及其应用

目的介绍轮廓似然方法及其两个应用。方法拟合logistic回归模型,计算轮廓似然的置信区间,并与Wald置信区间进行比较;采用轮廓似然方法解决多余参数过多的模型拟合问题。结果轮廓似然可以解决偏态分布下Wald置信区间失效的问题;最大轮廓似然估计与最大似然估计的结果是一致的,而轮廓似然仅需要较弱的假设条件。结论参数呈非正态分布时,轮廓似然置信区间要优于Wald置信区间;轮廓似然作为最大似然估计的替代方法,可以解决最大似然无法计算或计算困难的问题,也可以提高模型的适用性。     

关于论文中统计学结果的解释和表达

<正>当P0.05(或P0.01)时,应说明对比组之间的差异具有统计学意义,而不应是对比组之间具有显著性(或非常显著性)的差别;应写明所用统计分析方法的具体名称(如:成组设计资料的t检验、两因素析因设计资料的方差分析、多个均数之间两两比较的q检验等)、统计量的具体值(如t=3.45,χ2=4.68,F=6.79等),应尽可能给出具体的P值(如P=0.0238);当涉及总     

双向单侧t检验及（1-2α）％置信区间法

双向单侧t检验及(112α)％置信区间法,是目前生物等效的标准方法。其基本原理是:在高、低2个方向对受试制剂的参数均值与高低界值之间的差异分别作单侧t检验,若受试制     

应用回归模型预测人均住院费用

本文应用回归模型预测某院 2 0 0 2年人均住院费用 ,为管理层决策提供依据。 1　资料与方法资料来源于某院 1993— 2 0 0 1年的出院病人卡片 ,用最小二乘法来测定长期趋势。2　结果2 1　通过列表计算 ,得点预测值表 1　人均住院费用与时间t的关系计算表年份时序 人均住院费用Y tYt2 Y21993 -4 14 3 8-5 75 2 162 0 678441994-3 180 6-5 41893 2 6163 61995 -2 2 3 3 4-4 66845 44 75 5 61996-13 0 96-3 0 96195 85 2 161997 0 3 7940 0 14 3 944 3 6199814 878487812 3 7948841999 2 5 83 8116764 3 40 82 2 442 0 0 0 3 60 88182 64 93 …     

投稿须知

统计学统计学方法部分,应根据所采用的设计类型、资料所具备的条件和分析目的 ,选用合适的统计分析方法。统计结果应提供所用统计分析方法的具体名称(如成组设计资料的t检验、两因素析因设计资料的方差分析等)和统计量的具体值和P值(如t=3.45,P<0.05);涉及到总体参数(如总体均数、总体率等)时,在给出显著性检验结果同时,还应给出95%置信区间。     

两组率同为100%或0%时率差置信区间估计的SAS实现北大核心CSCD

目的通过SAS编程实现两组事件发生率均为0%或100%时率差置信区间的估计。方法针对事件发生率均为100%或0%时率差置信区间的估计问题,采用SAS9.4编程,使置信区间估计的Miettinen Nurminen法、Newcombe-Wilson法及校正New combe-Wilson法等三种方法得以实现,并通过实例进行说明。结果所编程序实现了三种方法的置信区间估计,便于专业和非专业人员使用。实例中两组样本量分别为59,56,结果两组事件发生率均为100%,三种方法的95%置信区间:Miettinen Nurminen法为[-6.16%,6.47%];Newcombe法为[-6.11%,6.42%];校正Newcombe法为[-7.62%,8.00%]。结论本文所提供的SAS宏程序可以简便地实现两组事件发生率均为0%或100%时三种常用的率差置信区间的估计方法。     

Effects of angiotensinogen gene polymorphisms on the risk of coronary heart disease in the Chinese population: a meta-analysis

Objective Coronary heart disease （CHD） is a multifactorial disease. This meta-analysis was performed to evaluate the relationship between angiotensinogen gene polymorphisms and CHD in the Chinese population. Methods We searched literature in pubmed （1990- 2010.8） and CNKI （1990-2010.8） for all the relevant studies on 2 angiotensinogen polymorphisms （M235T and T174M） and risk of CHD. The meta-analysis software Stata 10.0 was used for ascertaining heterogeneity among individual studies and for combining all the studies. Furthermore,Egger＇s test and sensitivity analysis were performed to insure authenticity of the outcome.Results Ten associations studies on 2 angiotensinogen polymorphisms （M235T and T174M） were included in this meta-analysis. In a combined analysis, the summary per-allele odds ratio for CHD of the M235T polymorphism was 1.374 （95% confidence interval, 1.019 to 1.852） and T174M polymorphism was 4.089 （95% confidence interval, 1.697 to 9.851）. Conclusions The M235T polymorphism had weak but statistically significant association with CHD while the T174M polymorphism was more strongly associated with a CHD risk in Chinese population, but further confirmation studies are needed     

多分类结局指标中两类别占比之差的统计推断方法北大核心CSCD

目的多分类结局指标中两类占比的比较目前尚无相应统计方法,本研究旨在建立多类别中某两类占比差的统计推断方法。方法根据多项分布理论,用正态近似法建立两类别发生占比差的假设检验方法,分别基于Wald法和Newcombe法构建其置信区间,包括连续性校正和非连续性校正两种情形。通过模拟验证假设检验方法的一类错误及检验效能和置信区间方法的覆盖率,最后以实例进行说明。结果基于占比差的假设检验在大样本下可以较好的控制一类错误。两种方法置信区间的覆盖率均在95%左右,Newcombe法优于Wald法,但在发生率较低时两种方法均不理想。结论本文提出多分类结局指标中两类占比差的假设检验及置信区间方法均能满足应用需求,其中置信区间方法推荐Newcombe法,但当样本量太小(如20例左右),所有方法均失效,建议使用描述方法。     

Tea drinking and risk of pancreatic cancer

Background Epidemiologic studies have reported inconsistent results regarding tea consumption and the risk of pancreatic cancer. This study aimed to investigate whether tea consumption is related to the risk of pancreatic cancer. Methods We searched Medline, EMBASE, ISI Web of Science, and the Cochrane library for studies published up to November 2013. We used a meta-analytic approach to estimate overall odds ratio （OR） and 95% confidence interval （CO for the highest versus the lowest tea consumption categodes. Results The summary OR for high versus no/almost never tea drinkers was 1.04 （95% CI： 0.91-1.20）, with no significant heterogeneity across studies （P=0.751;/2=0.0%）. The OR was 0.99 （95% CI： 0.77-1.28） in males and 1.01 （95% CI： 0.79- 1.29） in females. The OR was 1.07 （95% CI： 0.85-1.34） in Asian studies, 1.05 （95% CI： 0.84-1.31） in European studies, and 0.98 （95% CI： 0.72-1.34） in the US studies. The OR was 0.87 （95% CI： 0.69-1.10） without adjustment for a history of diabetes and 1.16 （95% CI： 0.97-0.39） after adjustment for a history of diabetes. The OR was 0.90 （95% CI： 0.72-1.12） without adjustment for alcohol drinking and 1.16 （95% CI： 0.96-1.39） after adjustment for alcohol drinking. The OR was 0.97 （95% CI： 0.76-1.25） without adjustment for BMI and 1.07 （95% CI： 0.87-1.31） after adjustment for BMI. Conclusion This systematic meta-analysis of cohort studies dose not provide quantitative evidence that tea consumption is appreciably related to the risk of pancreatic cancer, even at high doses.     

生存率置信区间的五种估计方法

生存率是医学随访研究资料分析中常用的指标,例如适用于小样本资料的Kaplan-Meier乘积限估计和大样本资料的寿命表法生存率估计.本文对生存率置信区间的估计方法进行了讨论.主要介绍了五种置信区间的估计方法经典法(基于Greenwood方差公式)、校正法、反正旋转换法、log(-log)转换法及logit转换法.文中给出了两个实例,并就生存率95%置信区间的估计做了详细介绍,还进一步讨论了它们在小样本和大样本随访资料分析中的特点和应用.