基于Adaptive Elastic Net与加速失效时间模型的亚组识别方法的应用拓展

目的 针对适应性设计下的Adaptive Elastic Net与加速失效时间模型亚组识别方法进行更多适用条件下的研究,以获得该方法最佳应用效果所对应的参数。方法 基于前期所提出的亚组识别方法,进一步探讨协变量间相关性、二阶段显著性水准([α1]和[α2])、协变量与样本量比例对该方法的影响。通过模拟研究,探讨含/不含协变量主效应的惩罚模型在不同情形下的亚组识别效果。结果 协变量间的相关性r=0、0.3、0.5时,检验效能（power）表现稳定;在二阶段自适应设计中,当[α1]和[α2]分别为0.035和0.015时,模型的power最高;固定样本量n的情况下,power随着待选协变量个数与n比例的上升而下降,比例升到1之后power呈现平稳趋势;对于不同生存时间的参数分布,单变量模型表现出不同的模式,而惩罚AFT模型相对稳定。结论 协变量间的相关性不影响检验power;（0.035,0.015）可作为自适应设计显著性水准的参考设置;获益亚组与非获益亚组间的治疗效果差异较小时,含协变量主效应的惩罚性AFT模型（Penalized,Eq_in）优于不含协变量主效应的单变量AFT模型（Univariate,Eq_ex）;当协变量数量与样本量的比值小于1时,“Univariate,Eq_ex”的power更高;否则,“Penalized,Eq_in”的效果会更好;生存数据的参数分布对单变量模型的影响较大,但对惩罚模型的影响较小。     

慢性铅中毒发病的Logistic回归模型预测

在尘肺的发病预测中学者们作了大量研究,并有许多报道〔１〕,然而对职业中毒发病预测报道甚少。本文试用Ｌｏｇｉｓｔｉｃ回归模型探讨某蓄电池厂铅烟接触水平与铅中毒的剂量——反应关系,分析其发病规律,并与直线回归预测结果相比较,预测铅烟允许浓度。１资料与方法...     

亚组效应可信吗？评估亚组分析可信度的最新标准

我们怎样才能区分亚组效应的真伪？本文提出了评价亚组分析可信度的新标准和一个参照表;     

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     

随机数学理论对Logistic模型的解释

目的：建立Logistic随机数学模型。方法：运用概率论原理,结果：设时刻t菌浇的细胞数为,ξt,M－E（ξt）,V＝D（ξt),则有dM/dt=K1M-K2(M2 V）。结论：logistic随机数学模型更接近客观实际。     

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。     

CIBIS Ⅱ亚组分析

慢性心力衰竭(CHF)的严重程度及其临床预后与体内交感神经激活的程度相关。比索洛尔心功能不全研究(CIBIS Ⅱ)(The Cardiac Insufficiency Bisoprolol Study)表明,Ⅲ～Ⅳ级CHF在血管紧张素转换酶抑制剂及利尿剂治疗的基础上加用选择性β_1阻断剂可使患者所有原因的死亡率降低34％。 β阻断剂对左心室功能的改善有剂量依赖性,于是人们认为其降低CHD死亡率的作用可能也有剂量依赖关系,临床上希望将β阻断剂的剂量上调到患者所能耐受的最大剂量以期最大程度地改善患者的预后。但是即使非常缓慢地逐渐上调β阻断剂的剂量,某些CHF患者还是不能耐受靶治疗剂量,引起CHF失代偿,最终导致停药而明显恶化患者的预后。因此,根据不同CHF个体的情况选择合适的β阻断剂治疗剂量,找到最佳的获益-危险比有重大的意义。     

基于Logistic回归的外阴上皮内瘤变危险度评价模型的构建

目的 应用临床资料和流行病学资料建立外阴上皮内瘤变危险度评价模型.方法 模型样本为101例外阴上皮内瘤变患者、134例外阴良性病变者及150例外阴完全正常者.对其临床资料和流行病学资料进行单因素分析,通过受试者工作特征(ROC)曲线获取影响因素的截断值,构建Logistic回归模型,采用混淆矩阵回代分析验证模型的正确率...     

Adaptive Elastic Net结合加速失效时间模型在亚组识别中的应用

目的针对临床试验中的生存数据,基于加速失效时间模型提出一种亚组识别方法。方法将Adaptive Elastic Net应用于 加速失效时间模型（称为惩罚模型）,通过检验协变量与治疗组别的交互项来识别亚组相关协变量。采用基于极大似然的 change-point算法寻找预测计分的截断点以对患者进行亚组分类。采用二阶段适应性设计,以评价治疗效果是否存在于所识别 的获益亚组人群中。对比四种模型（含协变量主效应的惩罚模型、单变量模型,以及不含协变量主效应的惩罚模型、单变量模 型）的亚组识别效果。结果模拟结果显示,在样本量较小、删失率较高、获益亚组占比较小以及样本量不超过协变量个数的情 况下,含协变量主效应的惩罚模型在获益亚组的识别上有明显的优势;而其他情况下,则是不含主效应的单变量模型较优。在 二阶段适应性设计中,这两种模型进行亚组识别的Ⅰ类错误均控制在0.05左右;当潜在获益亚组时,相比于传统设计,适应性设 计很大程度上提高了检验效能。结论含协变量主效应的惩罚模型适用于生存数据的亚组识别;相比于传统设计,二阶段适应 性设计更适用于潜在获益亚组的疗效评价。     

基于专利的技术竞争对手多维动态识别模型构建

目的：构建技术竞争对手多维动态识别模型,为企业技术竞争对手的识别提供参考。方法：在动态竞争理论的基础上探讨技术竞争对手的特征,构建技术竞争对手动态识别模型。结果：该模型可以从多个维度动态识别目标企业的技术竞争对手和潜在的核心技术竞争对手。结论：技术竞争对手多维动态识别模型,可以为企业技术竞争对手的识别提供参考。     

用Logistic回归分析评价肝癌筛检模式

目的：评价肝癌高危人群周期性筛检模式的效益。方法：将筛检史变量应用因子模型中主成分法转化成彼此独立的综合指标，然后用Logistic回归模型分析综合指标对肝癌病例生存期的影响。结果：3个综合指标均进入Logistic回归模型。结论：该筛检模式可以比临床提早发现病例，这些病例如得到及时治疗，其生存期有望延长。     

Logistic回归模型异常值的判定原理探讨

笔者综合运用非线性回归诊断分析，建立了Ｌｏｇｉｓｔｉｃ回归模型异常值判定的基本原理和方法。其基本思想是：（１）利用Ｐｅａｒｓｏｎ残差初步确定Ｌｏｇｉｓｔｉｃ回归模型的可疑异常值。（２）利用Ｓｃｏｒｅ检验统计量对可疑异常值进行假设检验。最后，作者将此方法应用于急性淋巴细胞性白血病的预后分析中，并对异常值的处理进行了初步探讨。     

门诊退号现象的Logistic回归分析

目的：探索医院门诊患者的退号率、退号规律、影响退号的主要因素,从而采取相应的措施。方法：通过研究某三甲医院2008年上半年的门诊数据,对影响患者退号的主要因素进行Logistic回归分析,并对所有数据分析采用SPSS12．0进行处理。结果：该院的门诊患者退号率为7．1％,与同内其他医院的患耆退号率相当。患者退号主要与门诊收费体制、年龄、所挂号别、就诊次数有关,与挂号员挂号熟练度、患者性别、是否急诊患者无关。结论：通过采取提高挂号人员医学素质．改进预诊分诊制度,启用电子分诊系统等措施可以降低门诊患者的退号率。     

Statistical identification of syndromes feature and structure of disease of western medicine based on general latent structure model

<正>Syndrome differentiation is the character of Chinese medicine(CM).Disease differentiation is the principle of Western medicine(WM).Identifying basic syndromes feature and structure of disease of WM is an important avenue for prevention and treatment of integrated Chinese and Western medicine.The idea here is first to divide all patients suffering from a disease of WM into several groups in the light of the stage of the disease,and secondly to identify basic syndromes feature in a distinct stage,and finally to achieve the purpose of syndrome differentiation.Syndrome differentiation is simply taken as a classifier that classifies patients into distinct classes primarily based on overall observation of their symptoms.Previous clustering methods are unable to cope with the complexity of CM.We therefore show a new multi-dimensional clustering method in the form of general latent structure(GLS) model,which is a suitable statistical learning technique of latent class analysis.In this paper,we learn an optimal GLS model which reflects much better model quality compared with other latent class models from the osteoporosis patient of community women(OPCW) real data including 40-65 year-old women whose bone mineral density(BMD) is less than mean-2.0 standard deviation(M-2.0SD). Further,we illustrate a case analysis of statistical identification of CM syndromes feature and structure of OPCW from qualitative and quantitative contents through the GLS model.Our analysis has discovered natural clusters and structures that correspond well to CM basic syndrome and factors of osteoporosis patients(OP). The GLS model suggests the possibility of establishing objective and quantitative diagnosis standards for syndrome differentiation on OPCW.Hence,for the future it can provide a reference for the similar study from the perspective of a combination of disease differentiation and syndrome differe(?)on.     

基于长链非编码RNA的生物信息学分析构建膀胱癌预后模型并确定预后生物标志物

目的:构建基于长链非编码RNA(long non-coding RNA,lncRNA)的膀胱癌预后模型,并寻找预后生物标志物。方法:从癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库下载膀胱癌转录组及临床数据,Perl软件和R软件用于数据处理和分析。首先筛选差异表达lncRNA,继而对筛选结果进行单因素Cox回归分析以初步筛选与预后相关的lncRNA,再进一步用Lasso回归分析筛选影响预后的关键lncRNA,并运用多因素Cox回归分析构建预后模型。根据风险评分的中位数将患者分为高风险组和低风险组,运用Kaplan-Meier(K-M)生存分析、受试者接受特征(receiver operating characteristic,ROC)曲线和C指数对模型进行评价。此外,运用多因素Cox回归分析计算预后模型中各lncRNA的危险比和95%置信区间,并对差异有统计学意义的lncRNA进行K-M生存分析以确定预后生物标志物。结果:单因素Cox回归分析显示,在691个差异表达的lncRNA中, 35个可能与预后相关,其中23个经Lasso回归分析确认为影响预后的关键lncRNA。此外,K-M生存分析结果显示低风险组的总生存时间较高风险组长[(2.85±2.72)年vs. (1.58±1.51)年, P<0.001], ROC曲线显示3年生存率和5年生存率的曲线下面积分别为0.813和0.778,C指数为0.73。多因素Cox回归表明,23个关键lncRNA中有11个lncRNA差异有统计学意义,进一步的K-M生存分析表明,其中有3个lncRNA可能具有独立的预后价值,包括lncRNA AL589765.1(P = 0.004), AC023824.1(P = 0.022)和PKN2-AS1(P = 0.016)。结论:通过生物信息学分析,成功构建了基于23个lncRNA表达水平的膀胱癌预后模型,预测准确性中等,并确定了一个保护性预后生物标志物AL589765.1,以及两个不利的预后生物标志物AC023824.1和PKN2-AS1。     

32例原发性血小板减少性紫癜患儿T细胞亚群分析

本文应用Ｔ淋巴细胞亚群对３２例原发性血小板减少性紫癜（ＩＴＰ）患儿外周血Ｔ淋巴细胞亚群的变化进行研究，其结果与对照组比较显示ＣＤ８明显降低（Ｐ＜０．０１），ＣＤ４／ＣＤ８明显升高（Ｐ＜０．０１），而ＣＤ３、ＣＤ４无显著性差异（Ｐ＞０．０５），推测ＩＴＰ发病可能是由于Ｔ抑制细胞（Ｔｓ）降低或功能缺陷，Ｔ辅助细胞（ＴＨ）功能活跃，使Ｂ细胞合成抗血小板抗体增多，导致血小板减少。本结果与近年来国内外有关文献比较有差异，推测其差异产生的原因。     

基于Kaiser模型的山东某市儿科护理风险事件识别评估与改进对策

目的 旨在对山东某市门、急诊儿科科室的护理风险事件进行识别与分析评估,得出发生儿科护理风险事件主要风险因素。 方法 采用随机调查法,研究团队自2016年9-12月期间对来自山东某市的1个主区和10个县(市)医院儿科科室的医、护、技人员和行政管理的中层干部109人进行问卷调查。首先成立护理专家团队,遵循Kaiser模型构建适合于儿科护理特点的风险事件种类识别,之后编制问卷用来采集儿科护理风险事件的相关数据,以便进行主要儿科护理风险事件的识别和评估。 结果 经过对某市儿科科室护理风险事件的识别和评估发现,儿科护理风险事件相对风险值的30%从高到低排序依次为:护理人员锐刺伤(51.48%)、家属投诉情况(51.00%)、护患法律纠纷(47.13%)、大规模伤害事件(40.82%)、儿童发生感染(40.76%)、儿童流行病爆发(40.64%)。 结论 针对得出的儿科护理风险事件主要风险因素,结合儿科特点,本文建议从加强儿科护理人员风险安全意识、合理处理护患纠纷矛盾、提高突发事件的应急能力、规范儿科科室的护理感染管理等方面来采取措施,为儿科科室和职能部门减少儿科护理风险事件的发生,加强后续儿科护理风险管理、风险控制和风险考核等环节,保障儿科护理人员合法权益和儿童患者的安全,提高儿科护理服务质量提供决策参考。