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
  收费全文   25篇
  完全免费   9篇
  预防医学   34篇
  2018年   4篇
  2017年   2篇
  2016年   2篇
  2014年   4篇
  2013年   3篇
  2012年   1篇
  2011年   6篇
  2010年   3篇
  2009年   3篇
  2008年   3篇
  2007年   2篇
  2006年   1篇
排序方式: 共有34条查询结果,搜索用时 124 毫秒
1.
倾向评分配比在流行病学设计中的应用   总被引:4,自引:1,他引:3  
介绍倾向评分配比法(PSM)的基本原理、具体方法,并结合实例探讨其在流行病学设计过程中的应用.PSM通过某些观察性研究某些混杂变量与研究因素的关系计算倾向评分,然后从对照组中为处理组每个个体寻找一个或多个倾向评分值相同或非常接近的个体做对照,最终使选取观察对象的混杂变量在处理组和对照组趋于均衡可比.实例分析表明.利用PSM筛选后的研究对象,主要混杂因素在两组中的偏差下降在55%以上.结论 :PSM可有效降低观察性研究的混杂偏倚,在流行病学设计阶段使用PSM可使某些观察性研究得到类似随机对照研究的效果.  相似文献
2.
目的揭示中国新型农村合作医疗制度试点对农民卫生服务利用的影响效果。方法在控制重要混杂因素的情况下采用分组与空白对照的方法进行分析性研究,通过Propensity Score Match的方法进行两组间的匹配后研究效果指标。结果自愿参合人群有一定选择性;参合对促进门诊利用总量增加有限,但对改善应就诊而未就诊的影响较明显;对促进住院服务利用总量增加明显,由于需住院人数和未住院人数的同时增加,对降低未住院率的作用不明显。不同补偿模式发挥作用不同,以补住院和门诊统筹模式的作用更好。结论试点性的新农合制度对农民卫生服务利用有一定的促进作用,作用的发挥与补偿模式紧密相关,仍需加大筹资力度以更好发挥新农合的作用。  相似文献
3.
互助医疗改善卫生服务可及性的效果评价   总被引:2,自引:1,他引:1  
卫生服务可及性差是目前我国卫生工作中的主要问题之一。我国农村互助医疗是根据我国西部农村问题设计的一套综合解决措施,也可以认为是新型农村合作医疗的模式之一,其实施效果有待检验。利用项目2005年度的随访家庭入户调查资料,采用国际较为流行的倾向得分匹配法对互助医疗改善卫生服务实现的可及性进行效果评价。结果表明,互助医疗有效地改善了门诊就诊情况,同时,对住院服务利用也产生了一定程度的正向影响,基本达到了项目预期目标。  相似文献
4.
新型农村合作医疗改善卫生服务可及性效果评价   总被引:1,自引:1,他引:0  
利用陕西省国家第四次卫生服务调查数据,采用特征分数配比法对新型农村合作医疗参保和未参保居民进行匹配,进而比较分析了参保和未参保居民卫生服务利用的总体差别以及在不同级别医疗机构就诊的差别,评价了我国新型农村合作医疗制度对于改善农村居民卫生服务可及性的效果.  相似文献
5.
新型农村合作医疗对农民门诊医疗服务利用影响的分析   总被引:1,自引:0,他引:1  
张柠 《中国卫生经济》2011,30(10):51-52
目的:利用2004年和2006年中国健康与营养调查数据集中的黑龙江省数据,分析新型农村合作医疗制度对农民门诊医疗服务利用的影响。方法:采用倍差法,以参合农民为处理组,非参合农民为对照组,比较两组农民门诊医疗服务利用的差异。结果:2006年前,新型农村合作医疗在一定程度上减少了农民的门诊医疗服务利用。结论:新型农村合作医疗制度实施初期,门诊实行家庭账户补偿形式,有利于发挥制度作用,减少了参合农民对门诊医疗服务的过度利用。  相似文献
6.
倾向指数第二讲倾向指数常用研究方法   总被引:1,自引:0,他引:1  
倾向指数(编者注:国内有学者译为倾向评分)方法最主要作用是通过均衡暴露组和对照组间的协变量分布来控制组间偏倚[1-3].通过倾向指数调整,倾向指数相同或相近的两个研究对象,虽然可能拥有不同的特征变量,但进入倾向指数模型调整的多个特征变量之间总体上是均衡的.在第一部分已经介绍了倾向指数方法的概念和研究步骤,这部分将主要介绍倾向指数的常用方法,并比较几种常用的倾向指数方法.倾向指数主要研究方法包括匹配、分层和协变量调整等.  相似文献
7.
Onur Baser  PhD 《Value in health》2006,9(6):377-385
OBJECTIVE: A large number of possible techniques are available when conducting matching procedures, yet coherent guidelines for selecting the most appropriate application do not yet exist. In this article we evaluate several matching techniques and provide a suggested guideline for selecting the best technique. METHODS: The main purpose of a matching procedure is to reduce selection bias by increasing the balance between the treatment and control groups. The following approach, consisting of five quantifiable steps, is proposed to check for balance: 1) Using two sample t-statistics to compare the means of the treatment and control groups for each explanatory variable; 2) Comparing the mean difference as a percentage of the average standard deviations; 3) Comparing percent reduction of bias in the means of the explanatory variables before and after matching; 4) Comparing treatment and control density estimates for the explanatory variables; and 5) Comparing the density estimates of the propensity scores of the control units with those of the treated units. We investigated seven different matching techniques and how they performed with regard to proposed five steps. Moreover, we estimate the average treatment effect with multivariate analysis and compared the results with the estimates of propensity score matching techniques. The Medstat MarketScan Data Base provided data for use in empirical examples of the utility of several matching methods. We conducted nearest neighborhood matching (NNM) analyses in seven ways: replacement, 2 to 1 matching, Mahalanobis matching (MM), MM with caliper, kernel matching, radius matching, and the stratification method. RESULTS: Comparing techniques according to the above criteria revealed that the choice of matching has significant effects on outcomes. Patients with asthma are compared with patients without asthma and cost of illness ranged from 2040 dollars to 4463 dollars depending on the type of matching. After matching, we looked at the insignificant differences or larger P-values in the mean values (criterion 1); low mean differences as a percentage of the average standard deviation (criterion 2); 100% reduction bias in the means of explanatory variables (criterion 3); and insignificant differences when comparing the density estimates of the treatment and control groups (criterion 4 and criterion 5). Mahalanobis matching with caliber yielded the better results according all five criteria (Mean = 4463 dollars, SD = 3252 dollars). We also applied multivariate analysis over the matched sample. This decreased the deviation in cost of illness estimates more than threefold (Mean = 4456 dollars, SD = 996 dollars). CONCLUSION: Sensitivity analysis of the matching techniques is especially important because none of the proposed methods in the literature is a priori superior to the others. The suggested joint consideration of propensity score matching and multivariate analysis offers an approach to assessing the robustness of the estimates.  相似文献
8.
This paper investigates the switching behavior of enrollees in U.S. managed care plans through treatment effect analyses of the disaggregated expenditures of the plan switchers and stayers prior to switching. Propensity score matching methods are used to estimate the average treatment effects on the treated where switching is the treatment. Analyses on subsamples provide detailed insights into pre-switch consumption behavior. The results, which are based on a national representative data set from the Medical Expenditure Panel Survey, indicate that switchers (from HMO to non-HMO) spend more on hospitalization, utilize less cholesterol checks and flu shots before switching. The other type of switchers (from non-HMO to HMO) spends less on prescribed medicine and office-based physician visits, while female switchers use less breast exams, Pap smears and mammograms prior to switching. The findings suggest that the non-HMO private managed care plans provide better coverage on hospitalization, office-based physician visits and prescribed medicine than the HMO plans.  相似文献
9.
[目的]比较倾向指数匹配法与Logistic回归分析方法的检验效能和I类错误。[方法]通过Monte Carlo模拟比较倾向指数匹配法和Logistic回归处理二分类资料的区别。[结果]倾向指数匹配法和Logistic回归的I类错误无差异,倾向指数全匹配法的检验效能略高。[结论]在观察性研究中,倾向指数匹配法具有很高的实用价值。  相似文献
10.
目的 采用SAS程序模拟来研究倾向指数匹配法在处理非随机化试验数据中的效果.方法 利用蒙特-卡罗(Monte Carlo)模拟法产生有3个协变量(连续性变量X1,二分类变量X2,X3)的2组随机样本,以分组变量为因变量,以协变量为自变量建立logistic回归模型,并计算研究对象的倾向指数,然后按照倾向指数做组间无放回的卡钳匹配,得到一个各协变量均衡的处理组与对照组样本.用假设检验法和标准差异法分别评价匹配前后2组之间协变量的均衡性,并估计匹配前后2组间的处理效应.结果 假设检验法评价组间均衡性的结果为:匹配之前,协变量X1,X2,X3在2组间均有统计学差异,表明协变量X1,X2,X3在2组间不均衡;匹配之后,协变量X1,X2,X3在2组间均无统计学差异,表明协变量在2组间均衡.标准差异法评价组间均衡性的结果为:匹配之前,X1,X2,X3标准差异的均值分别为1 967.03%,117.29%,63.74%,均远远大于10%,表明协变量X1,X2,X3在处理组和对照组间都不均衡;匹配之后,X1,X2,X3标准差异的均值分别为19.46%,7.37%,6.85%,表明协变量X1,X2,X3在匹配后都基本变的均衡.可见使用基于倾向指数的卡钳匹配法对非随机化数据进行处理,协变量间不均衡的2个处理组在匹配以后达到了均衡.对处理效应的估计结果为:匹配之前,2组间的处理效应有统计学差异,但在匹配之后,2组间的处理效应变得没有统计学差异,表明匹配之前2组间的统计学差异是由协变量的不平衡引起的.结论 倾向指数法是一种有效的处理非随机化试验数据的方法,具有重要的应用价值.  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