外科患者手术后切口感染危险因素的logistic回归分析

目的　了解手术后切口感染的危险因素,为降低术后切口感染的发生提供科学依据。方法　对2 0 0 1～2 0 0 3年外科手术患者的临床资料进行统计分析。以手术后是否发生切口感染为因变量,进行单因素及多因素非条件logistic逐步回归分析。结果　80 63例手术患者中,发生切口感染14 7例。单因素分析显示,13个变量中有11个与手术后切口感染有关,具有统计学意义(P <0 .0 5 )。将13个变量同时引入非条件logistic逐步回归分析模型,共筛选出6个切口感染的危险因素。结论　急诊手术、手术分级、手术持续时间、输血、手术部位及年龄为手术后切口感染的危险因素。     

年龄—时期—队列模型

年龄－时期－队列模型广泛应用于描述性流行病学来分析慢性病发病率和死亡率变化趋,它改进了传统的疾病描述性分析方法。然而模型的三因素间存在着安全线性依赖性,使参数不能得出唯一的估计值,许多学者提出了各种方法加以解决,现对近些年来国内外学者提出的年龄－时期－队列模型及其参数估计中线性依赖性问题的解决方法进行综述。     

分配份额估计中模型的选择与评价

目的：探讨不同统计模型对分配份额估计的影响以及模型评价和选择的标准。方法：用实例分析法。结果：同一资料拟合不同的统计模型,可得到不同的分配份额。结论：不同统计模型对分配份额估计有较大的影响,模型选择应用残差,Ｈ阵和回归系数改变量。     

树结构法及其在医学研究中的应用

目的：介绍树结构法的基本原理与方法,并用分类树法对医学研究中的实例进行分析。方法：采用单变量分裂,以Ｇｉｎｉ相异性指标为分裂原则,１０层互相证实法及１－ＳＥ准则估计错分率,用最小复杂性指标的向上删剪法产生最终树。结果：分类树共引入５个费用影响因素,并最终分为６个终节点。结论：该分类树结果简单、直观,易于理解与解释,与实际的疾病费用分布不矛盾,可以作为该疾病费用分类系统的建立方式     

分配份额估计中模型的选择与评价

目的:探讨不同统计模型对分配份额估计的影响以及模型评价和选择的标准。方法:用实例分析法。结果:同一资料拟合不同的统计模型,可得到不同的分配份额。结论:不同统计模型对分配份额估计有较大的影响,模型选择应用残差,H阵和回归系数改变量     

基于Poisson回归模型归因比例的极大似然估计

８０年代以来,基于回归模型的归因比例（ａｔ－ｔｒｉｂｕｔａｂｌｅｆｒａｃｔｉｏｎ,记ＡＦ）的点估计和区间估计主要集中于ｌｏｇｉｓｔｉｃ回归模型和病例对照研究［１－４］。由于多因素定群研究资料观察时间长,有一定比例的失访,其观察人群为开放队列,用Ｐｏｉ...     

对策理论在线性回归模型自变量重要性估计中的分析及应用

目的 基于对策理论中求解Shapley值法构建在线性回归模型中当自变量存在多重共线性时求解自变量相对重要性的方法,同时提出自变量的序列重要性偏R²值的概念。方法 应用Shapley在1953年提出的对策理论中求解Shapley值法,以757例正常人的白细胞（WBC）、红细胞（RBC）、血小板（PLT）及红细胞压积（HCT）4项血常规指标作为自变量,分析这些指标对血红蛋白（HB）的相对重要性大小以及分析序列重要性偏R²值的实际意义。最后将估计结果和传统的指标及现推荐的指标进行比较。结果 最后进入回归模型的自变量有RBC、PLT和HCT,对HB的相对重要性估计值分别为0.355 3、0.012 4、0.553 8,用Shapley值法估计的自变量相对重要性值与现最为推荐的优势分析法的估计结果一致。自变量以不同的次序进入回归模型的序列重要性偏R²值不同。结论 HCT对HB的影响最大,其次是RBC,PLT影响较小,结果与相关性排序一致,说明用Shapley值法估计自变量的相对重要性具有合理性。     

线性模型中自变量相对重要性优势分析法估计及其应用

目的在多元线性回归模型中,估计各自变量的相对重要性,并探索区间估计方法。方法在自变量间存在相关时,运用Budescu(1993),Azen(2003)提出的优势分析法估计肝手术病例预计存活时间的影响因素重要性,并运用Bootstrap法探索区间估计方法以此来评价估计结果的变异性。结果血凝素、预后指数、酶功能对预计存活时间的相对贡献分别为0.1415、0.3408和0.490,其Bootstrap法95%可信区间分别为(0.0573,0.2744)、(0.2359,0.4545)和(0.3411,0.6090)。结论酶功能对肝手术病例预计存活时间的影响最大,预后指数次之,血凝素最小。当自变量间存在相关时,优势分析法估计的自变量相对重要性结果更精确稳定,值得推广应用。     

线性模型中自变量相对重要性估计

目的：在多元线性模型中，估计各自变量的相对重要性。方法：应用可解释方差比例的思想和平均序列的方法估计各自变量的相对重要性。结果：自变量不同影响序列下，多维协变量中各自变量所解释的方差比例不同。结论：ｐ＾２可以作为评估已知序列自变量相对重要性的指标，对于未知序列各自变量相对重要性的估计，可应用平均的思想求其平均序列的ｐ＾２，来作为衡量自变量重要性的指标。     

Logistic回归模型中参数的精确推断

介绍对Logistic回归模型中参数的精确推断的基本思想及应用实例。这类精确推断方法是基于参数的充分性统计量的分布列，可以对多元Logistic回归模型中的多个待估计参数作出精确的推断，适用于样本含量小、具有不均衡的数据结构以及高度分层的独立二项反应资料的分析。