零膨胀对数正态分布左删失的过敏原的最大似然估计

 目的  探讨最大似然法处理左删失过敏原数据的效果。方法  运用实例与模拟试验比较最大似然法与常用的LOD/2替代法和删除法在分析左删失蟑螂过敏原与哮喘病发作与否的关系的优劣。最大似然法分别选择对数正态分布和零膨胀对数正态分布作为左删失蟑螂过敏原的分布,并以Logistic回归来模拟过敏原与哮喘病发作的关系。结果  总体上,最大似然法构建的零膨胀对数正态分布左删失模型是处理左删失蟑螂过敏原数据较合理及稳定的方法。LOD/2替代法则可导致相反及错误的过敏原与哮喘病关系。结论  对于左删失过敏原的处理,建议先构建零膨胀对数正态分布左删失模型,据此再采用最大似然法进行参数估计和假设检验。     

最大似然判别法对中风后遗症中医证候的计量诊断研究

目的：探讨中风后遗症中医证候的计量诊断规律。方法：用随机抽样方法确定调查医院,用判别分析中的最大似然判别法进行中医证候的计量诊断分析。结果：中风后遗症中医证候有阴虚血瘀证、阴虚阳亢（火热）证、气虚血瘀证、风痰阻络证。先筛选出15组47项症状因子并求出各症状因子的频数对数,再计算各证候的似然概率,根据似然概率的大小确定中医证候诊断。并对验证样本165例进行判别效果验证,其前瞻性误判概率为7.3%。结论：用最大似然判别法探讨中风后遗症中医证候计量诊断方法,有较好的实用价值。     

肺内常见孤立性结节鉴别诊断方法的探索——应用最大似然法

目的 探讨应用最大似然法鉴别周围性肺癌、肺错构瘤及结核球3种SPN的诊断价值。方法 对150例经临床和手术病理证实的SPN（周围性肺癌、肺错构瘤、结核球各5O例）的HRCT影像学征象进行分类统计分析，运用最大似然判别法，将其各种征象转化为记分值，以数值的大小来判定肺结节所属的类型。结果 最大似然法对周围型肺癌、肺错构瘤及结核球的诊断正确率分别为86％、92％及90％，平均诊断正确率为89．3％，高于常规阅片法的82％，但两组间差异无统计学意义（2—2．434，P〉0．05）。最能提示为肺癌的征象依次为空泡征、分叶征、支气管充气征和血管集束征；最能提示为肺错构瘤的征象依次为脂肪、边缘清楚及钙化；最能提示为结核球的征象依次为空洞、卫星灶、钙化及胸膜凹陷征。结论 最大似然法对常见SPN的鉴别诊断正确率有所提高，是一种辅助影像学诊断的有价值的方法。     

医学数理诊断常用数学模型

本文简要介绍现代医学中常用的贝叶斯模型、最大似然法模型及序贯模型等数种数理诊断模型,并涉及在祖国医学中的应用。     

泉州地区非酒精性脂肪性肝病合并原发性高血压人群肝郁脾虚证量化辨证研究

目的 探索泉州地区非酒精性脂肪性肝病合并原发性高血压肝郁脾虚证量化辨证方法.方法 遴选420例于泉州市中医院体检中心诊断的非酒精性脂肪性肝病合并原发性高血压且辨证为肝郁脾虚证的患者为研究对象,采用"专家研讨法"确定泉州地区上述人群肝郁脾虚证的基本症状,采用条件概率换算法对基本症状进行赋分,采用最大似然判别法计算辨证阈值...     

似然法模型在病理鉴别诊断中的应用

似然法模型在病理鉴别诊断中的应用武汉一冶医院彭锡朗似然法（Ｌｉｋｅｌｉｈｏｏｄ）是由英国数理统计学家Ｆｉｓｈｅｒ［ｌ］提出的一种逻辑推理方法。其基本内容是：用数理统计表达一个事物可能出现的概率。后来日本学者高桥眺正ｐ’根据Ｆｉｓｈｅｒ的理论设计出一个...     

非特异性精神发育迟滞单基因遗传方式探讨

目的　探讨非特异性精神发育迟滞是否为单基因遗传。方法　用分离分析法对所筛查到的 44例非特异性精神发育迟滞儿童家系进行单基因遗传方式分析研究。结果　最大似然法分析可得U×U婚配类型分离比为 2 5 .3 72±0 .1 2 7%、U×A婚配类型分离比为 2 3 .83 9± 0 .73 2 % ,可校正理论子女法可得U×U婚配类型分离比为 2 5 .1 3 %、U×A婚配类型分离比为 3 7.3 7%。结论　分离分析可知U×U婚配类型为常染色体隐性遗传 ,而U×A婚配类型用可校正理论子女法为常染色体隐性遗传、用最大似然法分析则不表现为常染色体隐性遗传。     

中国地鼠山医群体近交系E繁殖性状的遗传力估计

目的 对中国地鼠山医群体近交系E的一些繁殖性状进行遗传力估计分析.方法 采用平均信息约束最大似然法(AIREML),利用WOMBAT软件进行处理.结果 产仔数、离乳数、胎间隔2-1和胎间隔3-2的遗传力均较低,分别为0.05、0.096、0.182和0.116.结论 中国地鼠山医群体近交系E繁殖性状的遗传力均属于低遗传力.     

诊治肝病微机程序介绍

<正> 本程序是根据中医教授六十年诊治肝病经验,通过中、西医结合的方法进行资料整理,并以此作为信息编制而成。本程序具有下述功能: 1.根据症候(症状)、舌诊、脉象、体征、检验及病理指标对黄疸、胁痛和急、慢性肝炎进行中西医诊断分型。 2.在肝炎诊治中进行复习、修改和学习。 3.辩证施治。 4.开列处方、执行医嘱、计价和记录自然情况。本程序采用汉字技术,显示和打印均直接用汉字表示,模拟准确率可达90％以上。一、程序的运算本程序为实现上述功能及技术指标所用的运算是以最大似然法为基础。每一似然值由一疾病的先验概率加权得出。其判别效果在逻辑上与贝叶斯(Bayes)定律相等。     

邮政分检作业者精神卫生及其影响因素探讨

本研究对１０５名邮政分检企业女工的精神卫生、行为类型、应付紧张能力、工作满意感、工作心理需求和工作控制水平进行了调查，发现行为类型、应付紧张能力、教育程度、经济收入对精神卫生影响明显，工作心理需求程度高，而工作控制水平低。并应用最大似然法ｌｏｇｉｓｔｉｃｌ回归对精神卫生异常进行了预测。     

R×C列联表资料的统计分析与SAS软件实现（二）

在《中西医结合学报》2009年第8期“R×C列联表资料的统计分析与SAS软件实现（一）”一文的基础上,本文又详细介绍了双向有序且属性不同的R×C表资料、双向有序且属性相同的R×C表资料及其用SAS软件实现统计分析的全部内容。     

高维列联表资料的统计分析与SAS软件实现（四）

生物医学研究，尤其是临床医学研究中经常需要考察k个（k≥2）定性原因变量对多值有序结果变量的影响，这类资料被称为结果变量为多值有序变量的高维列联表资料。如某多中心临床试验中，原因变量为“不同就诊医院（A医院、B医院、C医院）”和“药物种类（甲药、乙药）”，结果变量为“疗效（治愈、显效、好转、无效）”。本文结合医学研究实例，介绍如何正确分析此类资料及分析方法的SAS软件实现。     

高维列联表资料的统计分析与SAS软件实现（一）

在生物医学研究中,往往遇到定性资料,如果某项研究涉及的定性变量个数大于2,并且用列联表的形式表现出来,则称该列联表为高维列联表。高维列联表的维数由原因和结果变量的个数共同决定,且依据结果变量的性质将高维列联表分为结果变量为二值变量的高维列联表、结果变量为多值有序变量的高维列联表和结果变量为多值名义变量的高维列联表。     

R×C列联表资料的统计分析与SAS软件实现（一）

R×C列联表资料可以分为双向无序的R×C表资料、结果变量为有序变量的单向有序R×C表资料、双向有序且属性相同的R×C表资料和双向有序且属性不同的R×C表资料,共4类。本文详细介绍了前两类R×C表资料及其用SAS软件实现统计分析的全部内容。值得一提的是,本文中给出的列联表资料形式取自相应的原文,离编制规范统计表的要求还有些差距,最关键问题是应在表头横线上方写数据的总称（通常为例数）,而不应写第2个分组变量的名称。     

高维列联表资料的统计分析与SAS软件实现（二）

在上一讲中主要介绍了采用加权等措施合并原因变量的方法处理高维列联表资料,但如果列联表维数较多,且希望将各原因变量对结果变量所产生的影响都明确地显示出来时,加权x^2及CMHYx^2分析就不能满足研究的需要了。如果想系统地评价各变量间的联系及变量间相互作用的大小,对数线性模型是达到前述分析目的比较好的分析方法。     

2×2列联表资料的统计分析与SAS软件实现

定性资料常以列联表形式呈现出来,通常分为2×2表、2×C表和R×2表、R×C表和高维列联表。本文结合科研中的部分实例,介绍4种2×2列联表资料并用SAS实现其资料的统计分析。     

2×C列联表与R×2列联表资料的统计分析与SAS软件实现

2×C列联表资料指原因变量为二值变量,而结果变量为多值变量的列联表,它以2行、C列的形式被呈现出来;R×2列联表资料是指原因变量有R个取值的变量,而结果变量为二值变量的列联表,它可以被表示为R行、2列的形式。这两种类型的列联表资料还应根据原因变量或结果变量的具体性质作进一步划分,然后按照分析的目的采用相应类型列联表资料的统计分析方法进行处理,关键在于R行或C列是否为有序的。在用来分析这两种类型的列联表资料的众多方法中,其中之一就是线性趋势检验,此时,特别强调R行或C列是有序的。     

生存分析的SAS软件实现

在生物医学研究中,由于失访或者研究截止等原因,常常会产生删失数据,也就是不完全数据。这类资料的特点是不知道观察对象的明确结局,只知道研究中要考察的终点事件在已经观察的时间长度内还没有发生,     

高维列联表资料的统计分析与SAS软件实现（五）

针对高维列联表资料的分析,分别介绍了加权χ^2检验、CMHχ^2检验、对数线性模型、结果变量为二值变量或多值有序变量高维列联表资料的logistic回归分析^[1-4]。本文将讨论结果变量为多值名义变量的高维列联表资料的logistic回归分析,即采用扩展的多重logistic回归模型,也称为多项logit模型。在结果变量为多值名义变量的高维列联表资料中,结果变量是多值名义变量,     

单组设计一元定性资料的统计推断与实验设计

In the former two issues of this periodical, we have introduced how to correctly estimate a suitable sample size and test power for quantitative data of a single-group design. This article will introduce the interval estimation and hypothesis testing of qualitative data of a single-group design by SAS.