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。     

一种基于折扣因子D的贝叶斯方法在MRCT中的应用研究

目的在折扣因子D的基础上,提出一种新的贝叶斯方法用于评价多区域临床试验中目标区药物的疗效,并探讨本方法的可行性。方法以Ⅱ期临床试验中收集到目标药物的种族信息作为样本信息,类似药物或同类药物的临床试验收集到的种族信息作为先验信息,构建折扣因子D的后验分布,并进一步计算加权Z检验统计量Z_W的后验分布,比较先验分布分别为无信息先验、共轭先验和分层先验时D后验分布的特点,并比较不同类型D的后验分布对试验检验效能的影响。结果当历史信息的信息量相对样本信息很小时,则后验均值主要由样本信息决定,后验分布的信息量基本接近样本信息的量,当历史信息的量逐渐增大时,后验均值逐渐向历史信息均值靠拢,后验分布的信息量也逐渐增大。检验效能由D的后验均值决定,与D的变异程度无关。结论本研究提出的贝叶斯方法可以较好地模拟实际情况,具有良好的实际意义和可操作性。     

基于MedDRA系统的药物安全性多重比较贝叶斯层次模型构建及应用

目的在处理药物不良事件的安全性分析时会面临多重性问题,基于不良事件类型间的相似性,应用贝叶斯层次模型进行多重比较。方法利用MedDRA词典的层次结构构建贝叶斯层次模型,比较不同层次结构对模型的影响及其收缩作用。分析超过数概率进行统计推断的优势,以便标记出潜在的不良事件信号。结果贝叶斯层次模型使得不良事件间的数据可以借用同一层次内的信息,达到收缩数据的作用,收缩的程度与层次结构有关。使用后验超过数概率进行分析使得结果更具临床意义。结论本研究将贝叶斯层次模型引入不良事件的安全性分析中,并以实例说明其统计特性,为解决多重性问题提供了新思路。     

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.     

相关二分类反应变量资料的Binomial-Poisson层次模型分析

目的探讨数据存在相关性时,二分类反应变量资料的统计分析方法。方法构建Binomial-Poisson层次模型,并结合毒理学实例与logistic回归模型进行比较。结果随机效应logistic回归模型和Binomial-Poisson层次模型都考虑了数据间的相关性,假设检验结论一致,但与传统logistic回归模型结论相反,而Binomial-poisson层次模型结果更加稳定。结论层次结构模型可有效分析相关二分类反应变量数据资料。     

Meta分析中随机效应模型的Gibbs抽样及其应用

目的 探讨基于分层贝叶斯的随机效应模型meta分析的Gibbs抽样方法及其应用。方法 在分层贝叶斯框架下，推出随机效应模型meta分析参数的完全条件分布。对中国人HBV、HCV及其双重感染与原发性肝癌关系的16个病例－对照研究数据，用二项分布建模，通过拟合三个logistic模型，在WinBUGS软件包上进行Gibbs抽样。结果 由Gibbs抽样得到HBV、HCV及其双重感染与原发性肝癌关系的效应合并值、研究间方差等参数的后验均数和95％CI。结论 Gibbs抽样不但能灵活地构造模型对复杂问题进行meta分析，而且当纳入研究中数据极端值较多，经典方法不再适应时，用Gibbs抽样仍然可以方便有效地得到参数的后验分布。     

网格抽样在Meta分析贝叶斯分层模型中的应用

摘要:目的　探索Meta分析的贝叶斯分层模型分析和后验计算的网格抽样模拟。方法　应用贝叶斯分层模型对一组激素预防新生儿肺透明膜病的临床试验数据进行Meta分析,采用网格抽样的方法获得参数的后验样本和后验估计量。结果　激素效应的经验贝叶斯估计值为-0.490（95%可信区间为-0.814～-0.461）,其完全贝叶斯估计值为-0.551（95%可信区间为-0.878～-0.379）,结果都表明临床上使用激素能够明显降低新生儿肺透明膜病的发生。结论　相对传统Meta分析策略,贝叶斯分层模型更加灵活。     

非标准分布贝叶斯分析的WinBUGS实现

WinBUGS是一套程序化贝叶斯统计分析软件,应用者只需要指定数据的似然函数和参数的先验分布,然后就可通过Gibbs抽样得到参数的后验样本,这对没有显性表达式的贝叶斯后验分布尤其重要。     

贝叶斯因果关系网络模型在断面调查数据中的应用

目的验证贝叶斯网络能否从横断面调查数据的分析中得到因果关系的信息。方法通过从国外数据库获取的调查数据,利用R语言进行贝叶斯网络因果关系的结构分析。结果在无先验信息情况下,从网络结构中得出,胰岛素对空腹血糖、收缩压有一定的调控关系,HDL对总胆固醇的代谢也起到一定的调控作用,以上关系与文献研究结果一致;总胆固醇、LDL、HDL、apoB均指向甘油三酯,此关系有待解释。结论与其他统计方法相比,贝叶斯网络能够从横断面调查数据中得到因果关系的重要信息,为了解疾病机理、探索疾病病因提供了新的有效方法。     

老年人脉压变化与全因死亡关联的贝叶斯联合模型应用研究

目的 以老年人脉压变化与全因死亡的关联研究为背景,探讨贝叶斯联合模型拟合相互关联的纵向结局与生存结局时的应用策略和统计性能,为类似特征资料的分析提供方法学指导.方法 本研究以自然三次样条函数拟合纵向测量脉压的非线性混合效应模型,并采用B样条法构建全死因生存结局的基线风险函数,通过共享的随机效应关联两个过程建立贝叶斯联合...     

嵌套logit模型在Stata软件中的拟合

[目的]掌握嵌套logit模型的原理及其在Stata软件中的拟合过程。[方法]运用实例来介绍该模型的拟合过程。[结果]在Stata软件中的拟合过程中。需注意数据结构的正确性、构建模型中的各层次及解释变量、检验IIA假设，最后采用nlogit模块进行嵌套logit模型的拟合。[结论]嵌套logit模型可以解决反应变量的各个类别之间的相关性问题，正确分析因素对反应变量的影响效应。     

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.     

多水平分析在调查问卷结果分析中的应用北大核心CSCD

目的探讨应用两水平分层logistic回归模型分析调查问卷二分类结局变量资料的影响因素,对影响因素做出正确的评价和解释。方法以学生的调查问卷作为分析对象,运用两水平分层logistic回归模型,拟合一系列零模型、随机截距模型,识别学生水平和学校水平因素的影响大小。结果学生对所研究问题的看法受到学生个体特征和学校特征的影响,学生层面中学生成绩影响较大。结论多水平分析方法是处理分层嵌套数据的有用工具,利用两水平分层logistic回归模型可以同时探讨学生层面和学校层面解释变量对结局变量的效应,对于分析嵌套数据结构资料结局变量的影响因素有优越性。     

多水平分析在调查问卷结果分析中的应用

目的探讨应用两水平分层logistic回归模型分析调查问卷二分类结局变量资料的影响因素,对影响因素做出正确的评价和解释。方法以学生的调查问卷作为分析对象,运用两水平分层logistic回归模型,拟合一系列零模型、随机截距模型,识别学生水平和学校水平因素的影响大小。结果学生对所研究问题的看法受到学生个体特征和学校特征的影响,学生层面中学生成绩影响较大。结论多水平分析方法是处理分层嵌套数据的有用工具,利用两水平分层logistic回归模型可以同时探讨学生层面和学校层面解释变量对结局变量的效应,对于分析嵌套数据结构资料结局变量的影响因素有优越性。     

评估气象对广东省登革热时空预测模型的贡献

目的 评估气象因素对广东省登革热预测系统的贡献。方法 基于Spearman相关性分析选择恰当形式的气象因素协变量,对广东省2008 - 2012年本地登革热分别构建无气象因素和有气象因素时的贝叶斯时空模型,预测广东省2013年本地登革热,用DIC和RMSE分别评价模型的拟合和预测效果。结果 月平均气温和月累计降雨量在滞后3个月时与登革热发病数的相关系数最大,分别为0.26和0.19,均有统计学意义（P＜0.05）;厄尔尼诺南方涛动与登革热发病数的相关性较弱,随滞后时间的增加逐渐减小,波动范围较小;与无气象因素的模型相比,纳入气象因素的贝叶斯时空模型的DIC更小,为967.57,拟合效果更好,其预测结果在时间趋势上与真实情况一致,高峰月份10月预测准确,并且在空间维度上能改善广东省85%的地区的预测效果。结论 纳入气象因素可提高贝叶斯时空模型对广东省登革热的预测效果,未来可结合人口流动进一步提高模型在空间维度上预测的准确性。     

时间序列预测模型的贝叶斯统计分析

贝叶斯(Bayes)统计预测方法是一种以动态模型为研究对象的时间序列预测方法,其基本思想是将人们的经验信息作为已知条件结合到实际模型中,即利用模型信息、数据信息及先验信息(有关总体分布的未知参数的信息)来进行预测.由于结合了分析人员的主观经验及判断,因此可以利用模型监控和干预的方法,合理、科学地处理突发事件等异常情况,和传统的预测方法相比,克服了传统的静态模型难以处理突发事件的缺陷,具有灵活、易于适应外部变化的特点.本文以英国1969～1984年因车祸伤亡人数为资料,探讨贝叶斯统计预测方法在医学领域中的应用.     

稀有事件logistic回归在医学研究中的应用

目的 探讨稀有事件logistic回归模型的参数估计及概率估计方法.方法 在普通logistic回归结果的基础上进行先验校正、加权校正和MCN校正,并根据Vuong检验原理编程实现非嵌套模型间的对比分析.结果 logistic 回归MCN加权校正对实例数据拟合较好.结论 针对稀有事件数据的分析,在模型的参数估计和预测预报方面,稀有事件logistic回归结果优于普通logistic回归,是一种值得推广的应用统计模型.     

贝叶斯网络在映射法中的应用

目的:通过介绍贝叶斯法的基本原理及贝叶斯网络的主要内容,探究贝叶斯网络在映射法的优势及应用现状,进一步推进其在映射法的应用。方法:采用文献研究的方法,对国内外已发表的贝叶斯网络在映射法中应用的文献进行回顾分析,研究其在映射法中的应用现状与发展前景。结果与结论:目前,关于映射法中映射模型的优劣性尚无一致定论。贝叶斯网络作为一种基于反应水平的映射转换模型,以节点间的概率分布表作为模型构建的直接结果,从而确定一种健康状态。同时,该方法综合利用先验信息和样本信息,提高了统计推断的精确度和可信性,能够较好地弥补目前常用映射模型的不足。     

无金标准条件下诊断试验评价贝叶斯相关模型构建及应用

目的探讨无金标准条件下诊断试验贝叶斯相关模型构建方法及应用条件。方法通过分析具有潜在真值的无金标准诊断试验评价模型,构建两个试验相关条件下的似然函数;利用共轭分布原理,构建灵敏度、特异度、患病率的先验分布;使用WinBUGS软件计算后验参数。通过234602名无偿献血员抗-HIV检测结果说明贝叶斯相关模型的应用。结果构建了无金标准时两次ELISA法检测抗-HIV的贝叶斯相关模型,发现两次ELISA的灵敏度相关系数为0.30,特异度相关系数为0.74;两次试验的联合灵敏度较单个试剂增高(P<0.05),特异度较单个试剂降低(P<0.05),但特异度降低的幅度明显小于灵敏度增高的幅度。结论应用贝叶斯相关模型可合理评价无金标准时联合试验的灵敏度和特异度。     

四种因果图模型在观察性研究因果推断中的比较研究

目的比较有向无环图、结构方程模型、贝叶斯网络和TAN贝叶斯网络四种因果图模型在观察性研究因果推断中的原理方法和应用价值,为因果图模型的合理选用提供参考依据。方法以认知障碍为例,基于先验知识构建轻度认知功能障碍的有向无环图。根据有向无环图建立结构方程模型的初始模型,采用极大似然估计进行参数估计和修正指数进行模型优化。运用爬山算法进行贝叶斯网络结构学习、贝叶斯信息准则进行结构优化和贝叶斯估计进行网络参数学习,并进行网络推理。采用专家建模进行TAN贝叶斯网络的构建,似然比进行独立性测试和极大似然估计进行参数学习,并进行诊断推理。结果实例分析显示,有向无环图、结构方程模型和贝叶斯网络均稳定探测到了结局变量的直接原因且各模型探测到的因果路径基本趋同。有向无环图定性推断了变量间因果关系的概念框架;结构方程模型通过标化路径系数定量推断了模型假定的观测变量与结局变量间的因果关系;贝叶斯网络通过条件概率表定量推断了直接原因组合下结局变量的发生概率,正向预测推理了由因到果的路径关系;TAN贝叶斯网络通过变量重要性评分反向诊断推理了由果到因的路径关系。结论有向无环图、结构方程模型、贝叶斯网络和TAN贝叶斯网络因果图模型在观察性研究因果推断中的侧重点和实际意义有所不同,探测到的因果路径亦有所不同,实际应用时应综合四种因果图模型结果进行因果关系的稳健推断。