首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  完全免费   52篇
  神经病学   52篇
  2020年   8篇
  2019年   24篇
  2018年   20篇
排序方式: 共有52条查询结果,搜索用时 46 毫秒
1.
本文目的是全面介绍生存资料的特点及其常用统计分析方法。生存资料具有以下四个特点:①同时具有生存结局和生存时间;②生存时间可能含有删失数据或截尾数据;③生存时间的分布通常不服从正态分布,常呈指数分布、Weibull分布、对数正态分布;④影响生存时间的因素较复杂且不易控制。生存资料统计分析方法涉及统计描述、差异性分析和回归分析三大类,其中,统计描述主要有Kaplan-Meier(卡普兰-迈耶)估计法和Life table(寿命表)估计法;差异性分析主要有对数秩检验(log-rank test)和威尔考克森检验(Wilcoxon test);而回归分析主要有Cox比例和非比例风险回归模型、参数回归模型。在对生存资料进行统计分析时,需要合理选择统计分析方法,方可全面而又深入地揭示生存资料的内在变化规律。  相似文献
2.
本文目的是介绍生存资料Cox比例风险回归模型分析的概念、作用及使用SAS软件实现计算的方法。首先介绍相关基本概念,包括“Cox比例风险回归模型简介”“模型假定及其检验”“参数解释”和“参数估计与假设检验”;然后通过一个实例并基于SAS软件演示如何实施生存资料Cox比例风险回归模型分析,内容包括“产生SAS数据集”“绘制生存曲线图”“判断PH假定是否成立”和“算出参数估计值与假设检验结果”。结果表明:当生存资料满足PH假定时,Cox比例风险回归模型可用于生存资料影响因素分析、校正混杂因素后的组间比较以及对每个个体进行预后指数和生存率的预测。  相似文献
3.
本文目的是介绍生存资料参数回归模型有关的基础知识。首先,介绍了构建三个常见的生存资料参数回归模型的基本原理,包括指数分布回归模型、Weibull分布回归模型和Log-logistic分布回归模型;其次,介绍了基于图示法判断生存时间服从何种概率分布的方法;最后,介绍了基于最大似然估计法求解参数回归模型中的参数和两个参数回归模型拟合优度的比较。得到如下 结论 ①当资料中的生存时间服从特定概率分布时,应选用相应的参数回归模型;②图示法可用于粗略判断生存时间服从何种概率分布;③似然比检验可用于包含不同参数数目的两个参数回归模型之间拟合优度的比较。  相似文献
4.
本文目的是介绍生存资料参数回归模型的SAS实现,包括创建SAS数据集、依据图示法选择模型、拟合参数模型和似然比检验。利用SAS中的LIFEREG过程绘制生存函数关于生存时间的关系图,拟合对应的参数分布回归模型,通过拟合优度检验选择最优的参数回归模型,最后对相关结果进行解释。  相似文献
5.
本文目的是介绍目前使用图形检验比例风险的常用方法。经典的Cox比例风险回归模型要求生存资料满足比例风险假设,而在临床资料中,这个假设往往并不成立。鉴于此,本文首先阐述了比例风险假设的概念;然后介绍了一些检验比例风险假设是否成立的常用图示方法,主要包括Kaplan-Meier生存曲线图、ln[-ln(St)]生存时间关系图、缩放Schoenfeld残差与时间的关系图、SAS软件PHREG过程中ACCESS语句的PH和RESAMPLE选项产生的模拟路径图;最后,基于SAS软件并通过实例演示上述方法的实现。  相似文献
6.
本文目的是介绍一些检验比例风险假设的方法。图示法是通过绘图然后由人工进行判断是否符合比例风险假设,因而具有一定的主观性。在图示法的基础上,本文介绍了从客观角度检验比例风险假设的一些常用方法,主要包括两类:一类是基于残差的检验;另一类则是构建协变量与时间的交互项并对其进行检验的方法。首先阐述了上述方法的原理,然后基于SAS软件并通过一个实例介绍上述方法的实现。  相似文献
7.
本文目的是介绍采用PHREG过程及MCMC过程且基于贝叶斯统计思想分别构建Cox比例风险回归模型的相关内容及其SAS软件实现。在MCMC过程中,有两种构建模型的方法:一是在MODEL语句中使用LAG函数;二是使用MCMC过程中的JOINTMODEL选项。两个过程所得计算结果基本一致,而PHREG过程的程序相对简洁。  相似文献
8.
本文目的是介绍采用PHREG过程及MCMC过程且基于贝叶斯统计思想分别构建Cox非比例风险回归模型的相关内容及其SAS软件实现。在MCMC过程中,有两种构建模型的方法:一是对观测值进行转置之后,在MODEL语句中使用GENERAL函数;二是不对观测值进行转置,使用MCMC过程中的JOINTMODEL选项。两个过程所得计算结果基本一致。  相似文献
9.
本文目的是介绍第一种提高回归模型拟合优度的策略,即哑变量变换与其他变量变换。具体方法包括以下几个方面:①对多值名义自变量采取"哑变量变换";②对定量和有序自变量引入派生变量,包括"对数变换""平方根变换""指数变换""平方变换""立方变换"和"交叉乘积变换"的结果;③对定量因变量分别采取"对数变换""平方根变换""指数变换""倒数变换"和"Logistic变换";④构建回归模型时,在假定"包含截距项"与"不含截距项"的条件下,分别采取"前进法""后退法"和"逐步法"筛选自变量。得到了如下几个结论:①对定量因变量和自变量不做变量变换时,回归模型的拟合优度非常差;②根据资料所具备的条件,对定量因变量采取不同的变量变换方法,其回归模型的拟合优度是不尽相同的;③对多值名义自变量进行"哑变量变换"是常规的做法,但存在不足之处;④对定量自变量引入派生变量是非常有价值的;⑤假定回归模型中不含截距项有助于提高回归模型的拟合优度。  相似文献
10.
本文目的是介绍第二种提高回归模型拟合优度的策略,即算术均值变换与其他变量变换。具体方法包括以下几个方面:①对多值名义自变量采取"算术均值变换";②对定量自变量引入派生变量,包括"对数变换""平方根变换""指数变换""平方变换""立方变换"和"交叉乘积变换"的结果;③对定量因变量分别采取"对数变换""平方根变换""指数变换""倒数变换"和"Logistic变换";④构建回归模型时,在假定"包含截距项"与"不含截距项"的条件下,分别采取"前进法""后退法"和"逐步法"筛选自变量。得到了如下结论:①对定量因变量和自变量不做变量变换时,回归模型的拟合优度非常差;②根据资料所具备的条件,对定量因变量采取不同的变量变换方法,其回归模型的拟合优度是不同的;③对多值名义自变量进行"算术均值变换"是合理的,且有助于提高回归模型拟合优度;④对定量自变量引入派生变量是非常有价值的;⑤假定回归模型中不含截距项有助于提高回归模型的拟合优度。  相似文献
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号