潜变量增长混合模型在学龄儿童体质指数变化轨迹分析中的应用

目的 探讨潜变量增长混合模型(latent growth mixture modeling,GMM)和潜类增长模型(latent class growth model,LCGM)在识别儿童体重增长变化潜在类别上的应用.方法 以大连市932名6～12岁学龄儿童的体检纵向数据为例.运用Mplus8.3软件构建不同性别儿童体...     

潜变量增长曲线模型及其应用

目的 介绍潜变量增长曲线模型在分析纵向研究资料中的应用.方法 通过大学生评判性思维的具体实例说明模型参数的指定和结果的解释及如何对不同群体的增长趋势进行比较.结果 增长曲线模型不仅可以分析纵向资料的总体发展趋势,而且能对个体间发展趋势存在的差异及其原因做出解释.结论 基于结构方程模型框架下的潜变量增长曲线模型是研究者分析纵向资料的有力工具.     

潜在狄利克雷分布模型在医学研究中的应用

潜在狄利克雷分布(LDA)模型作为一种无监督的机器学习算法,具有"文档→主题→词"三层贝叶斯网络结构。近年来,LDA及其改进模型在基础医学、临床医学和公共卫生等医学领域得到了广泛的应用。本研究就LDA模型在结构化与非结构化医学文本处理、基因与蛋白质组学等生物信息学领域、医学图像处理等方面的应用进行综述。     

混合模型在医学研究中的应用与展望

医学研究中有很多资料都存在层次结构特征,而混合模型是处理该类数据的新兴的统计学方法。此文对混合模型(mixedmodels)的概念及其类型作了简要介绍,同时将混合模型与传统的固定效应模型进行比较,分析了国内外混合模型在医学研究中的应用现状,并对其前景作了展望。     

纵向数据潜变量增长曲线模型及其在Mplus中的实现

探讨纵向数据潜变量增长曲线模型及其在Mplus中的实现方法。通过实例采用Mplus软件处理某高校大学生心理健康状况纵向数据。结果表明潜变量增长曲线模型可以处理含有潜变量的纵向数据，能够比较总体发展趋势和个体发展的差异，纳入协变量可以提高模型拟合效果；采用Mplus软件实现潜变量增长曲线模型，程序简单，操作方便。纵向数据潜变量增长曲线模型及其在Mplus中的实现程序，可为实际应用尤其是流行病学队列研究提供统计方法学方面的指导和参考。     

多水平模型和潜变量增长曲线模型在纵向数据分析中的应用及比较

比较多水平模型和潜变量增长曲线模型在纵向数据分析中的应用。文中以结直肠癌患者术后的生命质量情况为实例，比较两种方法的异同。结果表明两方法的参数估计值结果非常接近，多水平模型在模型构建时较为容易，而潜变量增长曲线模型在模型评价等方面具有优势。两方法均可很好地分析纵向观测的数据，且各有优点，研究者应根据需要选择合适的方法分析数据。     

基于潜变量增长混合模型的围生期孕产妇睡眠质量纵向轨迹分析

目的 探讨基于潜变量增长混合模型(GMM)的围生期孕产妇睡眠质量纵向轨迹，并分析相关影响因素。方法 采取便利抽样法选取2020年3月—2021年10月于温州市第七人民医院进行常规体验的140例孕妇作为研究对象，收集产妇一般资料，并分别于妊娠末期(T0)、分娩期(T1)及产后期(T2)采用匹兹堡睡眠质量指数(PSQI)量表进行问卷调查。采用GMM识别围生期孕妇睡眠质量轨迹的不同类别，采用单因素logistic回归系数分析其影响因素。结果 围生期产妇T0与T1、T0与T2及T1与T2时间点PSQI得分相关性分别为0.399、0.420及0.557。本研究共拟合出5个模型，模型3的Entropy值0.915最高，且Bootstrap似然比检验指标(BLRT)和线性多变量回归(LMR)差异有统计学意义(P<0.05),即模型3为最优潜在类别模型。类别1命名为高水平睡眠质量组(38例),类别2命名为低水平睡眠质量组(31例),类别3其命名为睡眠质量下降组(71例)。3组产妇围生期自觉职业压力、中文版领悟社会支持量表(PSSS)及爱丁堡产后抑郁量表(EPDS)评分比较差异有统计学意义(P&l...     

壮族地区孕妇体重增长变化轨迹潜变量增长模型分析

目的探讨母亲孕期体重增长是否存在不同模式,考察孕前体质指数(BMI)对孕妇体重轨迹变化的影响。方法广西壮族孕妇前瞻性出生队列作为研究基础,选择2015年2月—2018年4月收自平果、隆安、德保、田东等县级医院共2 409人,获取研究对象基本人口学信息、产检信息,运用潜变量增长模型、Wald检验和χ2检验进行分析。结果在不分组的模型拟合中,确定了4条不同的孕期体重增长轨迹(人数比例:A组566人,B组1 047人,C组624人,D组172人),各组均在孕10周出现速率转折点,初始体重越高的孕妇,年龄越大(P 0.05)、城市居住(P 0.001)、较大孕前BMI(P 0.001)和规律运动(P=0.088)的比例越高。在按孕妇孕前BMI分组的模型拟合中,低体重组、正常组、超重组孕妇均可分别拟合多个亚型,曲线截距差异与斜率差异均有统计学意义(均P 0.001),均有初始体重越大,增速越快。结论广西壮族地区孕妇孕10周后体重增长速率加快;孕前体重越大的孕妇,孕早期体重增速越快。壮族孕妇孕期体重增加可能具有一定的民族和地方特点,在制定周体重增加率的推荐标准时应考虑拐点的不同。城市妇女、年龄越大,孕期体重增长速率越快。应加强对城市大龄超重孕妇孕期体重的监测。     

Aalen模型在医学研究中的应用

<正>Cox比例风险模型[1]是生存分析中最常用的模型,很多实际问题中的协变量并不满足比例风险,而且协变量的效应可能随时间变化。基于这些情况的考虑,Aalen提出了加法危险率模型[2-3],Aalen模型是Cox模型的补充。Aalen模型一个重要的特征就是其回归系数是随时间变化的函数,这种函数没有特定的形式,也不依赖任何参数假定。相对于Cox模型的半参数本质,Aalen模型是非参的,适合用于模型中含随     

基于潜变量增长混合模型的慢性乙肝患者治疗队列医疗费用的异质性研究

目的 探讨广州市慢性乙型肝炎门诊患者医疗费用变化轨迹的异质性,以期为临床治疗方案的选择和相关部门政策的制定提供切实可行的建议。方法 数据来源于广州市第八人民医院信息系统,研究对象为2008年1月至2015年12月期间在该医院就诊并诊断为“慢性乙型肝炎”的门诊患者。采用潜变量增长混合模型对患者的医疗费用进行建模,比较不同亚组的总费用、抗病毒药物使用情况以及治疗效果。 结果 本研究共纳入慢乙肝患者4296人,平均年龄（35.19±10.84）岁,其中男性占76.84%。基于LGMM模型识别出2个增长趋势不同的亚类:高费用组（2175人,占50.63%）和低费用组（2121人,占49.37%）,结果显示“高费用组”患者的DNA应答率高于“低费用组”患者（F=7.81,P<0.05;F=5.29,P<0.05）,ALT复常率也高于“低费用组”患者（F=5.40,P<0.05）。结论 潜变量增长混合模型能够识别慢乙肝患者治疗队列中不可观测亚类的医疗费用变化轨迹,反映真实的慢乙肝患者治疗过程中医疗费用及疗效情况。     

双重差分模型在医学研究中的应用

<正>双重差分模型(difference-in-differences,DD)由Ashenfelter和Card于1985年对一项干预研究进行评价时提出[1],其后该模型在计量经济学领域得到广泛应用[2-4]。DD模型提出的背景是:一项公共政策的实施无法保障干预组与对照组的随机化,反应变量在基线水平上未必可比,因此如果只通过自身前后对照或两组在横断面上的对比,难以得到政策实施效果的     

基于潜变量混合增长模型的中国中老年抑郁症状发展轨迹与痴呆症关系研究

目的 探讨中国中老年抑郁症状发展变化趋势的异质性，揭示不同抑郁组别变化轨迹，以及其与痴呆症状之间的关系，以期为医护人员在临床前期为抑郁症状人群实施干预措施提供科学建议。方法 数据来源于中国健康与养老追踪调查（CHARLS）项目，采用潜变量混合增长模型构建抑郁评分模型，对不同抑郁组别变化轨迹进行分类，采用Cox比例风险模型探究不同抑郁组别变化轨迹与痴呆症状之间的关系。结果 研究纳入受试者1 996例，其抑郁症状呈现出三种不同的轨迹变化，分别定义为抑郁低危人群、抑郁高危人群、抑郁晚发人群。与抑郁低危人群相比，抑郁高危人群更容易出现中老年人群痴呆症状（HR=1.227,95%CI:1.052～1.429）；与抑郁低危人群相比，抑郁晚发人群也更容易出现中老年人群痴呆症状（HR=1.332,95%CI:1.120～1.584）。结论 中老年人抑郁发展轨迹存在异质性，潜变量增长混合模型有助于精准区分痴呆风险人群，今后应积极检查情感状态，对于出现抑郁症状患者应早期干预和治疗，并定期随访其认知功能，以便及时调整治疗方案，延缓痴呆的发生。     

基于潜变量得分的多水平多变量回归模型在职业紧张评价中的应用

目的介绍基于潜变量得分的多水平多反应变量回归模型在职业紧张评价中的应用。方法为克服测量误差的存在，以职业紧张量表14个分项的潜变量得分，将之作为中问结果引入多水平多反应变量回归模型。结果职业任务各分项不同程度地引起职业紧张，而个体应变能力是减轻职业紧张行之有效的方式。随机系数反映这些影响在不同科室存在着不同。结论采用基于潜变量得分的多水平多反应变量回归模型既可有效降低测量误差，又得以合理地解释。尤其对于系统结构数据，多元线性模型的多水平理论比多水平潜变量分析方法更成熟可信。     

增长混合模型在健康轨迹研究中的应用进展

正随着人们生活水平提高,健康问题日益突出并受到普遍关注。现代医学模式下的健康由生理、心理和社会等多个维度共同构成,且随着年龄的增长而不断变化。纵向健康数据研究中,各维度健康指标在三个及以上时间点的重复测量值可构成健康轨迹~([1])。作为常用于评估纵向健康数据发展轨迹的统计方法,传统增长模型(growth modeling)是在假设总体内部发展轨迹为同质的前提下刻画总体的平均发展轨迹。然     

联合模型介绍及在医学研究中的应用

医学随访研究中，纵向数据和生存数据往往伴随出现，并且通常相关联，对纵向数据和生存数据单独分析可能会导致有偏倚的结果。联合模型同时处理纵向数据及生存数据，能够纠正偏差，提高参数估计的效率并提供有效的推论，是目前医学研究中一个比较热门的方法。联合模型已取得较多进展，国内介绍及应用联合模型的文章较少。本文将从主要思想、基本框架、参数估计方法等方面对联合模型中的随机效应模型进行介绍，并基于R软件中程序包JM对艾滋病数据集分析，旨在阐明联合模型在处理医学随访数据中的优势，促进联合模型在临床研究中的应用。     

抑郁症患者临床症状改善情况的潜变量增长曲线模型研究

运用潜变量增长曲线模型探讨抑郁症患者治疗后临床症状的改善情况.对汉密顿抑郁量表的体重减轻等因子构建非线性条件增长曲线模型,探讨其轨迹的发展变化情况及可能影响因素.结果表明焦虑、认知障碍、迟缓、睡眠障碍症状及抑郁总分在治疗后的第-次随访时均有显著的改善,随后症状改善较为平缓；5个维度因子及抑郁总分的截距和斜率因子的方差均有统计学意义,提示患者在治疗初期各维度因子均存在个体差异,治疗后下降的速度也存在个体差异；性别对5个因子及抑郁总分的截距和斜率因子均无影响(P＞0.05)；年龄对体重减轻、睡眠障碍、抑郁总分的截距因子有正方向影响(0.015、0.048、0.068,P＜0.05),婚姻对焦虑因子的截距有正方向影响(0.563,P＜0.05),对斜率因子有负方向影响(-0.244,P＜0.05),家族史对迟缓的截距因子有正方向影响(0.471,P＜0.05)；教育程度对焦虑和抑郁总分的截距因子有负方向影响(-0.424、-0.914,P＜0.05).增长曲线模型不仅可以分析纵向资料的总体发展趋势,而且能对个体间发展趋势存在的差异及其原因做出解释,是研究者分析纵向资料的有力工具.     

Aalen模型在医学研究中的应用北大核心CSCD

Cox比例风险模型是生存分析中最常用的模型,很多实际问题中的协变量并不满足比例风险,而且协变量的效应可能随时间变化。基于这些情况的考虑,Aalen提出了加法危险率模型,Aalen模型是Cox模型的补充。Aalen模型一个重要的特征就是其回归系数是随时间变化的函数,这种函数没有特定的形式,也不依赖任何参数假定。     

贝叶斯网潜变量模型在抑郁患者单核苷酸多态性(SNPs)研究中的应用

目的 采用基于贝叶斯(Bayesian)网络的潜类模型进行高维度SNPs数据的分析,为复杂性状疾病遗传以及基因定位等方面的研究提供新的方法支持.方法 采用Bayesian网络潜类模型对一组抑郁障碍性疾病的单核苷酸多态性SNPs检测数据进行分析,每个研究对象分别测量7个SNP,一共检测了801个个体.结果 按照累计信息贡献率达到95％的原则,应用贝叶斯网络潜变量模型选出rs11568817和rs130058两个SNPs位点将研究对象分为2个潜在类别,各类别的概率分别为0.216和0.784,其中一类倾向于杂合子,一类倾向于纯合子.结论 两个类别人群不同特征正是由于分类和解释两个类别的SNPs造成的,从而为进一步的研究SNPs是否为可疑致病位点提供依据.     

基于潜变量增长曲线中介模型的帕金森病患者日常生活能力的研究

目的 分析帕金森病（PD）患者自主神经功能障碍在快速眼动睡眠行为障碍（RBD）和日常生活能力之间的纵向中介作用及其随时间的变化趋势。方法 本研究纳入帕金森进展标志物计划（PPMI）数据库410例PD患者资料,分别采用快速眼动睡眠行为障碍筛查量表（RBDSQ）、自主神经症状量表（SCOPA-AUT）和帕金森病统一评价量表第二部分（UPDRS II）评估RBD、自主神经功能障碍和日常生活能力。以RBD为自变量,自主神经功能障碍为中介变量,日常生活能力为因变量构建潜变量增长曲线中介模型。采用全息极大似然估计进行参数估计,偏差校正的非参数百分位Bootstrap法进行中介效应检验,Chi-Square(df)、非规范拟合指数（Tucker Lewis index,TLI）、比较拟合指数（comparative fit index,CFI）指标来评价模型的拟合度。结果 相关分析显示,RBD、自主神经功能障碍、日常生活能力六次随访两两之间均呈正相关（P<0.01）。潜变量增长曲线中介模型结果显示,快速眼动睡眠障碍的截距→日常生活能力的截距的总效应显著（β=0.427,95%CI:0.310～...     

基于潜变量增长模型的心衰患者报告临床结局动态轨迹研究

目的分析慢性心力衰竭纵向随访数据,揭示患者动态变化轨迹规律,为高危患者在疾病不同阶段采取个性化干预以及提高重症患者生存质量提供理论依据。方法收集心衰患者4个时点生存质量随访数据,分别拟合线性潜变量增长模型、二次函数型潜变量增长模型、非定义类型的潜变量增长模型。通过比较模型拟合效果,揭示患者报告临床结局评分的动态变化轨迹。结果通过在患者报告临床结局评分的领域水平拟合3种潜在增长模型,结果均表明二次函数型潜在增长模型较其余两种模型为较优模型,其拟合指标更接近可接受限值。在领域水平,个体间的生存质量起始值不同,而个体内的变化趋势差异并不显著。进一步在生理领域的3个维度水平拟合潜在增长模型,在躯体症状、食欲睡眠、独立性维度拟合结果表明最优模型分别为非定义类型、线性、二次函数型潜在增长模型。总体来说患者在出院后的报告临床结局评分呈先升高后平稳的变化趋势。结论通过探究院后患者报告临床结局随时间的变化轨迹规律,了解个体生存质量变化趋势并进一步解释个体间存在的差异,对患者不同阶段生命历程给予个性化干预措施。