贝叶斯分层模型在医疗器械临床试验中的应用

贝叶斯方法是基于贝叶斯定理而发展起来的,用于系统阐述和解决统计问题的方法.贝叶斯方法的核心在于参数随机化,在先验概率的基础上通过参数的后验概率进行统计推断.医疗器械往往具备优良的先验信息,贝叶斯方法在器械临床试验中的应用贯穿试验设计和数据分析的各个阶段,贝叶斯方法在正确应用的前提下,临床试验的成本会比频率学派更小.贝叶斯分层模型与经典贝叶斯方法相比,对先验信息的可交换性要求更低,更为灵活的借取“部分”先验信息.本文以一项冠脉支架临床试验为例,应用贝叶斯分层模型方法,对实际结果与传统频率学派方法获得的结果进行比较,并进行相应的讨论.     

GeoBUGS疾病制图法在条件自回归模型中的应用

<正>贝叶斯统计起源于英国学者贝叶斯在1763年的一篇题为"机遇理论中一个问题的解"的论文,他提出了著名的贝叶斯公式~[1]。贝叶斯统计方法与经典统计方法最根本的区别在于不仅利用总体信息和样本信息进行统计推断,而且充分利用了参数的先验信息,它将每一个不确定的参数都看成一个随机变量,通过给予先验分布,结合马尔科夫链蒙特卡洛(markov chain monte carlo,MCMC)法进行Gibbs抽样,得出参数的     

ARIMA模型在湖北省肺结核发病数预测中的应用

目的将ARIMA模型运用于湖北省的肺结核病发病预测,为湖北省结核病防治与预警系统提供决策依据。方法运用SPSS 22. 0统计软件对湖北省2001年到2016年肺结核的数据进行了基本趋势分析后建起了ARIMA时间序列模型,并对模型进行了检验,预测出了2017、2018年的肺结核发病数。结果模型ARIMA(1,1,2)(1,1,0)12所有参数均通过统计学检验;Box-Ljung检验统计量Q=20. 156,P 0. 05,残差序列为白噪声;拟合优度指标平稳R2为0. 287,贝叶斯信息准则(BIC)为12. 114,模型拟合精度较好。结论在对湖北省肺结核病发病情况的近期预测中,引入时间序列模型的ARIMA模型分析方法,能够为结核病防制工作提供科学依据。     

贝叶斯决策分析法在某汽车制造企业苯职业暴露评估中的应用

目的应用贝叶斯决策分析法进行汽车制造企业苯职业暴露评估,并与传统评估方法比较,为职业暴露风险评估和管控提供方法和依据。方法选取某汽车制造企业手工喷漆房的作业人员作为评估的相似暴露组,收集2013—2017年苯暴露水平监测数据,通过引入专家权重法对贝叶斯决策分析法进行优化,并应用优化后的方法对相似暴露组苯职业暴露进行评估,并将评估结果与传统统计方法所得结果进行比较。结果贝叶斯决策分析法评估结果显示,相似暴露组暴露水平为2级(10%~50%LTWA)。传统统计方法评估结果显示,当样本量少时,暴露水平为3级(50%~100%LTWA)或4级(100%LTWA);当样本量充足时,传统统计方法判断结果与贝叶斯决策分析法判断结果相同,暴露水平均判定为2级。结论贝叶斯决策分析法结合了专家经验和监测数据,能有效解决小样本情况下用传统统计方法计算暴露水平结果偏高的问题,在职业暴露评估中有较强优势。     

基于ARIMA乘积季节模型预测产超广谱β-内酰胺酶大肠埃希菌流行趋势研究

目的利用产超广谱β-内酰胺酶(ESBLs)大肠埃希菌监测数据建立求和自回归移动平均(ARIMA)乘积季节模型,分析并预测ESBLs大肠埃希菌流行趋势。方法使用2010—2016年浙江医院产ESBLs大肠埃希菌感染的逐月检出例数拟合ARIMA乘积季节模型,以平均绝对百分误差(MAPE)及贝叶斯信息准则(BIC)评价模型的可行性。以2017—2018年2月产ESBLs大肠埃希菌感染的逐月检出例数作为评估模型的样本,验证模型的预测效果。结果筛选出的最优模型为ARIMA(0,1,1)(0,1,1)12,MAPE为14.76,BIC为2.01,模型残差序列的Ljung-Box统计量Q=16.79(P=0.40),模型拟合良好。所选模型预测的2017—2018年2月产ESBLs大肠埃希菌感染检出例数与实际值的平均相对误差为14.08%,实际值均在预测值95%CI内。结论 ARIMA乘积季节模型对产ESBLs大肠埃希菌感染检出例数的拟合情况较好,可用于产ESBLs大肠埃希菌感染的短期预测和动态分析。     

贝叶斯层次模型在嵌套结构调查数据中的应用研究北大核心CSCD

目的针对分层抽样流行病调查数据的结构特点,构建两种基于分层嵌套思想的贝叶斯层次模型,并探讨其优缺点。方法以贝叶斯层次模型为基础,利用嵌套结构中的层级关系构建模型,其中,模型一以嵌套层效应分解为特点构建,模型二以嵌套层效应逐级传递为特点构建。以重庆市出生缺陷调查数据为例,采用Open BUGS软件进行模型拟合及分析。结果以偏差信息准则(deviance information criterion,DIC)作为拟合优度评价,模型一和模型二的DIC值分别为101.8和101.6,大致相等;敏感性分析显示,在总体率的超参数μ设置不同先验信息下,模型一和模型二对总效应估计的变异性分别为(用标准差度量,10-4):后验均数1.191和27.546;后验中位数1.038和7.617,模型一的变异性比模型二小。结论模型一和模型二均可用于嵌套结构的调查数据建模分析及预测,拟合效果相当;但模型一比模型二受先验信息影响小,稳健性更好,更适合先验信息欠缺时的数据分析。     

贝叶斯层次模型在嵌套结构调查数据中的应用研究

目的针对分层抽样流行病调查数据的结构特点,构建两种基于分层嵌套思想的贝叶斯层次模型,并探讨其优缺点。方法以贝叶斯层次模型为基础,利用嵌套结构中的层级关系构建模型,其中,模型一以嵌套层效应分解为特点构建,模型二以嵌套层效应逐级传递为特点构建。以重庆市出生缺陷调查数据为例,采用Open BUGS软件进行模型拟合及分析。结果以偏差信息准则(deviance information criterion,DIC)作为拟合优度评价,模型一和模型二的DIC值分别为101.8和101.6,大致相等;敏感性分析显示,在总体率的超参数μ设置不同先验信息下,模型一和模型二对总效应估计的变异性分别为(用标准差度量,10-4):后验均数1.191和27.546;后验中位数1.038和7.617,模型一的变异性比模型二小。结论模型一和模型二均可用于嵌套结构的调查数据建模分析及预测,拟合效果相当;但模型一比模型二受先验信息影响小,稳健性更好,更适合先验信息欠缺时的数据分析。     

安徽省滁州市细菌性痢疾发病率ARIMA模型建立与分析

目的构建安徽省滁州市细菌性痢疾发病率的ARIMA模型,预测细菌性痢疾发病趋势。方法收集1987~2013年安徽省滁州市细菌性痢疾年发病率资料,通过SPSS软件拟合ARIMA模型,采用最大似然法估计模型参数,依据赤池信息准则与贝叶斯信息准则确定模型的阶数,用Q统计量对模型适应性进行检验,建立ARIMA预测模型。结果通过对参数和模型的拟合优度检验以及残差白噪声序列的检验,最终确定模型为ARIMA(1,1,1)。AIC=5.573,BIC=8.165,统计量Q=8.857χ20.05,26。模型预测值与实际值的平均误差率MER=0.338。结论ARIMA模型能够应用于安徽省滁州市细菌性痢疾流行趋势的预测及预警,为实施干预提供依据。     

贝叶斯统计在艾滋病疫情估计中的应用

随着艾滋病在世界各国的流行,波及的地域越来越广,人群更多,流行模式更为复杂,对艾滋病疫情估计和预测的方法也需要不断改进与完善。已有的疫情估计中的数理统计模型和计算机软件预测方法各有其优缺点,不同的疫情估计方法相互结合、相互印证有利于艾滋病疫情的综合评估。本文对贝叶斯统计在艾滋病疫情估计中的思想、发展、应用以及注意事项展开综述,为贝叶斯统计在艾滋病疫情估计中的进一步应用提供参考。     

定性临床试验资料meta分析的经验贝叶斯模型原理和应用

目的 研究meta分析经验贝叶斯分层模型的原理及其在定性临床试验资料分析中的应用.方法 以一个激素预防新生儿肺透明膜病的临床试验数据为例,建立分层模型,采用经验贝叶斯的方法进行参数估计和后验推断,尝试应用三种不同的方法估计分层模型中的超参数v.结果 分层模型的经验贝叶斯分析结果表明临床使用激素能够降低新生儿肺透明膜病的发生.结论 相对meta分析的随机效应模型,经验贝叶斯分层模型提供了更灵活的分析策略.     

结合通路信息对复杂疾病进行表型预测的SGL方法

目的将整合通路信息的sparse group LASSO方法与近年来发表的表型预测方法进行比较,通过模拟各种复杂疾病可能的遗传结构,比较各方法的预测能力,期望通过TCGA数据找到高效和稳健的统计方法。方法本研究利用SGL方法整合基因途径信息和基因表达数据,并与传统模型(LASSO、Enet、GSSLASSO)进行比较。通过乳腺癌真实基因型数据模拟表型数据:考虑不同分组(分组k=50,200,300,328)和不同遗传度对模型的影响(遗传度h_2=0.3,0.5,0.8)。采用相关系数R评价几种模型的预测能力,进一步通过结直肠癌(CRC)、胰腺癌(PAAD)、乳腺癌(BRCA)三个真实数据比较各方法表型预测的准确性。结果模拟结果表明,随着遗传度的增高,各方法的预测准确性也逐渐增高。整合通路信息的SGL方法和GSSLASSO方法比传统的LASSO和Enet方法有着更高的预测精度。而两种整合通路信息的方法中,SGL方法有着更好的预测能力和稳定性。在50,200,300分组情况下,GSSLASSO预测效果和LASSO以及Enet相近,但是在考虑通路信息的328分组下,GSSLASSO表现出了较好的预测效果。实例数据分析CRC,PAAD数据中,SGL方法具有最优的预测精度,其次是GSSLASSO,LASSO和Enet方法预测效果最差。结论整合通路信息的预测方法预测效果明显优于一般模型,而无论是在模拟数据还是实例数据中SGL的方法具有最优的预测精度。     

ARIMA模型在预测手足口病发病中的应用

目的探讨ARIMA模型在手足口病发病率预测中的应用,为手足口病的早期防控提供依据。方法采用SPSS 19.0软件对2008—2014年无锡市锡山区各月手足口病发病率建立模型进行预测,采用2015年各月手足口病发病率验证模型的预测效果,并预测2016年锡山区手足口病的发病情况。结果模型ARIMA(0,0,2)(0,1,1)12所有参数均通过统计学检验;Box-Ljung检验统计量Q=16.007,P0.05,残差序列为白噪声;拟合优度指标R2为0.713,贝叶斯信息准则(BIC)为4.619,模型拟合精度较好。根据2008—2015年锡山区手足口病发病数据应用此模型预测2016年的发病率为335.13/10万。结论 ARIMA模型能较好地模拟和预测手足口病的发病趋势,可用于手足口病的短期预测和动态分析。     

医院精细化管理:门诊量预测模型的建立

目的探讨门诊量预测建模方法,为医院运营精细化管理提供参考依据。方法基于山东省某省级综合性医院2013-2016年各月门诊量等数据,探讨回归、指数平滑及ARIMA等三类多个模型,根据决定系数(R~2)、贝叶斯信息准则(BIC)及Ljung-Box Q统计量确定相应类别最优模型;通过比较三类最优模型的平均相对预测误差(MRFE),选择误差最小者为最终最优模型。结果最优回归预测模型表示为:月门诊量=月法定工作日天数×12643.946+78959.827,R~2为0.20,MRFE为10.0%;最优指数平滑模型为Winters加法指数平滑模型,水平常数α、趋势常数λ及季节常数δ分别为0.300、4.177×10~(-5)及6.397×10~(-5),R~2、BIC及Ljung-Box Q分别为0.952、18.913及17.096,MRFE为3.0%;最优ARIMA模型为ARIMA(1,1,0)(0,1,0)_(12),R~2、BIC及Ljung-Box Q分别为0.775、19.751及21.028,MRFE为7.4%。结论综合探讨门诊量预测建模方法并确定最优预测模型是推进医院精细化管理的有效措施。     

ARIMA模型在医院流产数时间趋势分析中的应用

目的采用自回归移动平均混合模型(autoregressive integrated moving average model,ARIMA)预测未来月份流产数可行性,以期为计划生育相关工作决策提供指导。方法选择2013年1月至2016年12月份流产病例构建ARIMA模型,以贝叶斯信息准则(bayesian information criterion,BIC)值最小为最优模型选择标准;以绝对误差平均值、相对误差平均值和决定系数(R~2)来评价模型精度。结果基于2013-2016年历史数据,以BIC值最小为优模型评价指标,最终ARIMA(0,1,1)×(1,0,1)12用于预测每月流产数有较好的拟合优度(BIC=564.07),且季节性自回归参数、非季节性移动平均参数及季节性移动平均参数均有统计学意义(P0.0001)。模型精度评价显示,平均绝对误差、平均绝对百分比误差及决定系数分别为36.7、3.60%和0.751。结论本研究提示ARIMA(0,1,1)×(1,0,1)12模型可用于医院流产数预测。每月流产数较多,进一步加强计划生育措施以遏制流产数依旧很必要。     

应用ARIMA模型预测结核病发病率研究

目的应用自回归求和移动平均(ARIMA)模型预测结核病发病率。方法收集浙江省余姚市2006—2016年结核病月发病资料,采用专家建模器和传统建模方法建立ARIMA模型,根据最小贝叶斯信息准则(BIC)值选出最优模型,对2006—2016年结核病月发病率进行回代拟合,并对2017年结核病月发病率进行预测。结果传统建模方法所得模型为ARIMA(0,1,1)(0,1,1)12,专家建模器所得模型为ARIMA(0,0,1)(0,1,1)12;两个模型的残差序列均未突破可信区间,为白噪声过程,均为恰当模型,但ARIMA(0,0,1)(0,1,1)12标准化的BIC值更小,确定为最优模型。对余姚市2006—2016年结核病月发病率进行回代拟合,实际发病率均落入拟合值的95%CI内,模型预测值能较好拟合原始数据;预测余姚市2017年1—12月结核病月发病率,预测值与实际值的平均相对误差为9.05%。结论应用专家建模器构建的ARIMA模型可较好地预测结核病发病率。     

ARIMA乘积季节模型在日喀则市结核病疫情预测中的应用

目的通过构建的自回归滑动平均混合(ARIMA)乘积季节模型预测日喀则市结核病月发病情况,通过比较模型预测值与实际值来评估该模型的预测效果。方法根据日喀则市2010年1月—2016年12月的结核病月发病例数构建ARIMA乘积季节模型,利用该模型预测2017年1—12月的结核病月发病情况,通过比较预测值与实际值来评价拟合模型的预测效果。结果最优模型为ARIMA(1,1,1)(1,1,0)_(12),其参数均通过统计学检验(均P0.05),残差序列为白噪声序列(P0.05),其赤池信息准则(AIC)=679.48,许瓦兹贝叶斯准则(SBC)=686.27,拟合优度相对最好。2017年1—12月的预测值与实际值基本吻合,实际值均落在95%CI内,预测效果较好。结论 ARIMA(1,1,1)(1,1,0)12可用于短期预测日喀则市结核病疫情,预测效果较好,建议要及时根据数据更新及其他的因素更新模型,以确保模型的预测价值。     

利用全基因组表达数据对比评价九种遗传预测模型方法

目的研究稀疏模型(Lasso、ENET、ssLasso、贝叶斯变量选择回归模型(BVSR))与多基因模型(线性混合模型(LMM)、贝叶斯稀疏线性混合模型(BSLMM)、狄利克雷回归模型(DPR))等九种遗传预测方法在全基因组表达数据中对复杂疾病的遗传预测表现。方法通过模拟研究评价每种方法在不同的较大基因稀疏程度和不同的遗传度下的预测精度,利用乳腺癌数据进行表型预测。结果模拟结果显示预测方法在满足各自的模型假设时表现结果最好。在相同模拟假设情况下,随着遗传度的增高,模型的预测准确性也逐渐增高。BVSR运算速度和BSLMM运算速度相似,由于迭代次数的影响,BVSR与BSLMM的运算速度低于LMM。实际的乳腺癌数据显示BSLMM和DPR的预测精度优于其他方法。结论 BSLMM和DPR在不同模拟情形下和真实数据中均表现出稳健的预测能力,值得在实际应用中推荐。     

应用贝叶斯网络推理研究中国肾病综合征出血热的传播机制

目的利用贝叶斯网络推理研究我国肾病综合征出血热的影响因素并建立预测模型。方法收集我国1984～2000年的30个肾病综合征出血热监测点的气象资料、疾病数据、宿主数据、人口数据,结合应用遥感技术所得到的植被归一化指数、监测点的土壤、植被数据,利用贝叶斯网络推理对肾病综合征出血热的影响因素进行判断,进而建立肾病综合征出血热的预测评估模型。结果肾病综合征出血热发病与降水、气温、气压、日照、湿度、NDVI、海拔、鼠密度、土壤和植被有关。应用贝叶斯网络推理建立的肾病综合征出血热的预测评估模型准确率可达80%以上。不同类型的贝叶斯网络模型所建立的预测评估模型不同。结论贝叶斯网络推理为分析和研究自然疫源性疾病流行的地理环境因素的影响提供了新的研究途径。     

公共卫生突发事件“三网”建设工作评价与分析

公共卫生突发事件“三网”是“公共卫生突发事件处理责任网、报告网和紧急救助网”的简称 ,是自治区政府分管领导在 2 0 0 1年梧州全区卫生防疫防病工作会议上提出来的。“三网”建设旨在通过强化全区各级政府及相关行政、技术业务部门及人员在公共卫生突发事件处理中的责任、信息报告和医疗紧急救助的管理 ,以加强全区公共卫生突发事件预防控制和处理工作。 2 0 0 2年初自治区人民政府下发了《关于加强公共卫生突发事件“三网”建设的通知》(桂政发 [2 0 0 2 ]7号 ) ,拉开了全区“三网”建设的序幕。为了解我区县 (市 )级公共卫生突发事件…     

利用人工智能系统预测脑梗死静脉溶栓后的出血转化

目的 利用人工智能系统建立一个有效的预测模型,对脑梗死静脉溶栓后的出血转化进行早期预测.方法 回顾性分析2016年6月至2019年11月南华大学附属长沙中心医院前瞻性注册登记的静脉溶栓患者的资料.收集患者的人口学、临床、理化及影像学指标共53项,利用单因素判别分析建立单因素模型,利用逻辑回归(LR)、朴素贝叶斯(NB)...