基于LASSO方法的logistic回归模型在城市老年人群金属暴露与高尿酸血症相关性研究中的应用

目的评估城市老年居民尿金属元素水平与高尿酸血症的关联性。方法基于深圳市某社区医院2017年7月至11月参加免费健康体检≥60岁老年人群(n=2 494,男1 091人,女1 403人),实施1∶1病例对照研究,其中949例高尿酸血症者,按性别和年龄匹配949名无肾小球滤过率异常或肾病者作为对照。病例及对照组人群的健康问卷信息和体检数据完整,并采集点尿样。用电感耦合等离子体质谱仪检测尿中锌(Zn)、砷(As)、硒(Se)、锶(Sr)、镉(Cd)、铅(Pb)的水平。Least absolute shrinkage and selection operator(LASSO)回归模型用于筛选出多种与高尿酸血症相关性较大的尿金属元素,并进一步用logistic回归筛选高尿酸血症的危险因素。结果男性高尿酸症患者尿Se、Sr和Cd的含量均低于对照人群,差异均有统计学意义(P0.05)。但未见女性高尿酸血症患者与对照组的尿金属元素浓度存在统计学差异(P0.05)。男性尿中六种金属元素中,仅Sr被纳入最优LASSO回归模型,进一步logistic回归分析发现尿Sr浓度在Q_3(10.06～129.43μg/L)或Q_4(129.43μg/L)组的男性发生高尿酸血症的风险均低于尿Sr浓度在Q_1组(36.13μg/L)的男性,OR分别为0.63(95%CI:0.42～0.94)和0.41(95%CI:0.27～0.63)。女性中未见尿金属元素与高尿酸血症存在统计学相关。结论暴露于一定水平的锶是老年男性高尿酸血症的保护因素。     

Cox回归模型与对数线性回归模型在生存分析中应用的比较

运用Ｃｏｘ回归模型和对数线性回归模型对１６８９例肝癌病人生存时间的分析，发现Ｃｏｘ回归模型能够提供主要的预后影响因素，其结果与特定的参数回归模型相接近，使临床上能够快速地获得预后的影响因素。     

压缩预测在Cox模型预测改善中的应用

目的改善Cox回归模型预测.方法引入压缩预测技术.结果通过在确认样本上计算得到压缩因子和校正预后指数,可改善预测.结论压缩预测在一定程度上校正模型过度拟合,有效改善预测.     

Cox回归模型在肺癌预后分析中的应用

本研究运用Ｃｏｘ模型对影响肺癌患者生存的因素 ,以及预后指数、危险度及生存率作一生存预测 ,为改善患者的预后 ,延长生存期提供临床依据。资料与方法1 病例来源 :收集唐山市 4所医院 ,1987～ 1993年间所有经组织学或 /和细胞学或 /和临床确诊为原发性肺癌的住院病例共 1157例 ,采用查看病历、信访和家访的方法 ,实调查 10 91例 ,随访率 94 3%。由于地址不详和交通不便 ,失访 66例 ,失访率 5 7%。 10 91例病历中 ,男性 74 5例 ,女性 34 6例 ,男女比例 2 15∶1;年龄最小 15岁 ,最大 84岁 ,平均 57 8岁 ,其中小于4 0岁的 88例 ;职业分布 :…     

LASSO及其拓展方法在回归分析变量筛选中的应用

多重共线性是影响回归分析结果的一个重要问题, 近年来发展的LASSO方法对于筛选解释性较高的变量、处理高维数据和解决多重共线性问题具有强大的优势。该方法是在模型估计中增加了惩罚项, 能将一些不必要变量的回归系数压缩为零进而从模型中剔除, 达到变量筛选的目的。本文将重点介绍LASSO这一方法, 并与最优子集、岭回归、自适应LASSO与弹性网络的结果进行比较, 结果显示LASSO与自适应LASSO在解决自变量多重共线性问题以及增强模型解释性、预测精度方面均有较好的表现。     

多结局Cox模型在医学中的应用和Stata实现

目的探讨生存分析中多结局风险比例模型在实际研究中的应用.方法采用多结局的比例风险模型,采用偏似然估计和校正方差估计值,引入新的协变量,同一因素的不同结局的风险函数比(HR)不同.结果通过对实例的分析显示该方法在实际应用中较好地解决了同一因素对应不同结局风险函数比(HR)不同的问题.结论对于不同结局,定义协变量的相应取值,使多结局比例风险模型可估计和推断同一因素对应不同结局的风险函数比.     

有监督的主成分分析和偏Cox回归模型在基因数据生存预测中的应用

目的探讨有监督的主成分分析及偏Cox回归模型在基因数据生存预测中的应用。方法针对基因数据的协变量个数大于样本例数,以及变量间存在相关性等特点进行模拟研究,并对国际上公开的三个基因数据集进行分析,考察两种模型的预测性能。结果模拟研究显示随着影响生存的基因块的方差的增大以及组内相关系数的增高,两种方法的预测性能变好;随着删失比例的增加,两种方法的预测性能变差。实例分析提示不同的数据集最适方法不同。结论 SuperPC和偏Cox回归都适用于基因数据的生存分析。在模拟中SuperPC比偏Cox回归的表现好,但偏Cox回归计算速度较快。     

Cox回归模型在住院费用控制中的应用研究

[目的]探索造成高额住院费用的各种危险因素,为控制和降低医疗费用提供理论依据.[方法]以沧州市2004年出院的137名胆结石住院患者的病案首页信息为研究样本,采用多因素COX回归模型进行分析.[结果]模型中有统计学意义的变量有药费比例、住院天数、手术方式、有无医院感染、医院级别、年龄、有无次要诊断、入院时情况和付费方式.[结论]多因素Cox回归模型是探索高额住院费用危险因素的有效工具;针对药费比例、住院天数、手术方式、有无医院感染等可控危险因素采取必要的干预措施控制医疗费用;实施按病种付费,并按照入院时情况、疾病有无次要诊断等不可控因素制定不同的病种结算标准.     

鞅残差在Cox回归模型诊断中的应用

目的：探讨Cox模型中某给定连续变量对生存效应的最佳函数形式。方法：不含该变量的Cox模型下的鞅残差对该协变量作图可揭示该变量在全模型中的函数形式。结果：实例分析表明,Loess平滑鞅残差图可用于Cox模型中协变量函数形式的确定。结论：建议分析者把鞅残差图纳入Cox模型分析中,对协变量的生存效应作出正确估计。     

限制平均生存时间回归模型在生存分析中的应用

目的 探讨限制平均生存时间(restricted mean survival time,RMST)回归模型在生存数据分析中的应用。 方法 运用伪值估计方法对医学数据进行限制平均生存时间回归模型实例分析,并与常见生存分析模型进行比较。 结果 RMST回归模型无特定模型假设,适用于不满足比例风险假定的生存数据;实例分析显示,RMST模型构建灵活,可通过设定多个τ值在多个时间段内进行估计;犯第一类错误的概率低于Cox比例风险模型,模型估算结果容易解释,能够提供在临床实践中更为实用的结论。 结论 在不满足比例风险假定且生存曲线有较大交叉的情形下,限制性平均生存时间模型能够提供稳定有效且易于解释的效应估计,在生存分析领域具有优良的适用性,可以作为Cox比例风险模型分析结果的补充。     

Cox模型标准回归系数的探讨

鉴于Cox模型标准回归系数目前尚缺乏合理的定义,笔者提出以下定义和推论:以标准化变量作Cox模型分析所获得的回归系数称为标准回归系数β′(与线性回归类同);β′等于回归系数β乘以变量的标准差s,即β′=βs。     

Cox模型多因子共线性处理方法的进一步研究

目的 进一步探讨Ｃｏｘ模型中出现多因子共线性时的处理方法。方法 首先应用因子分析法将多因子的信息分解为公因子和特殊因子两部分,然后对这两部分信息分别进行Ｃｏｘ模型拟合。结果 实例分析对分解后的公因子进行Ｃｏｘ模型拟合,并指出对特殊因子４拟合的方法。结论 本文提出的方法可以避免信息的损失,使模型的解释更加全面。     

Variable selection in monotone single‐index models via the adaptive LASSO

We consider the problem of variable selection for monotone single‐index models. A single‐index model assumes that the expectation of the outcome is an unknown function of a linear combination of covariates. Assuming monotonicity of the unknown function is often reasonable and allows for more straightforward inference. We present an adaptive LASSO penalized least squares approach to estimating the index parameter and the unknown function in these models for continuous outcome. Monotone function estimates are achieved using the pooled adjacent violators algorithm, followed by kernel regression. In the iterative estimation process, a linear approximation to the unknown function is used, therefore reducing the situation to that of linear regression and allowing for the use of standard LASSO algorithms, such as coordinate descent. Results of a simulation study indicate that the proposed methods perform well under a variety of circumstances and that an assumption of monotonicity, when appropriate, noticeably improves performance. The proposed methods are applied to data from a randomized clinical trial for the treatment of a critical illness in the intensive care unit. Copyright © 2013 John Wiley & Sons, Ltd.     

职业性肺癌危险因素的多水平生存分析

目的 探讨多水平生存分析中的Ｃｏｘ比例风险模型右在职业性肺癌危险因素量化评价中的应用。方法 以云南锡业总公司劳动防护研究所提供的高危人群队列的随访资料为例，拟合３个水平的截断数据的多重成员Ｃｏｘ模型，并分析各水平的随机效应及其与肺癌发生间的关系。结果 模型结果显示，云锡所属单位中“马拉格锡矿”与其他单位有不同的致癌随机效应，个体因素也与肺癌的发生有关。结论 多水平生存分析对于处理具有系统层次结构的     

区间截尾Cox比例风险模型在健康教育中的应用

目的 介绍区间截尾型Cox比例风险模型及其在健康教育中的应用.方法 采用区间截尾型Cox比例风险模型评价健康教育对降低HIV转阳的作用.结果 接受健康教育对象HIV阳性的危险比未接受的降低了41.6%.结论 区间截尾型Cox比例风险模型在健康教育研究中是可行的.     

On model specification and selection of the Cox proportional hazards model

Prognosis plays a pivotal role in patient management and trial design. A useful prognostic model should correctly identify important risk factors and estimate their effects. In this article, we discuss several challenges in selecting prognostic factors and estimating their effects using the Cox proportional hazards model. Although a flexible semiparametric form, the Cox's model is not entirely exempt from model misspecification. To minimize possible misspecification, instead of imposing traditional linear assumption, flexible modeling techniques have been proposed to accommodate the nonlinear effect. We first review several existing nonparametric estimation and selection procedures and then present a numerical study to compare the performance between parametric and nonparametric procedures. We demonstrate the impact of model misspecification on variable selection and model prediction using a simulation study and an example from a phase III trial in prostate cancer. Copyright © 2013 John Wiley & Sons, Ltd.     

生存树方法及其在预后分析中的应用

目的 针对临床随访资料，利用生存树方法进行预后分组，进一步完善预后分析的内容。方法 从生存树建立的主要过程——树的生长、剪枝以及子树的选择来介绍生存树方法，并对一乳腺增生症复发资料进行分析。结果 生存树方法显示：疗效、疗程以及增生程度作为对预后影响最大的因素用来预后分组，得到5个预后子群，其中位生存期分别为30．3月、21．4月、17．3月、11．0月、7．3月。结论 应用生存树方法进行预后分析，不但可以得到具有不同临床特征的预后子群（预后分组）。同时可以获得顶后相关因素。