输精管绝育术与人群恶性肿瘤死亡率的关系

目的探讨输精管绝育术与恶性肿瘤死亡率的关系.方法采用三年一次性回顾结合两年随访调查的历史前瞻方法.收集四川盐亭县40～70岁男性的绝育及死亡等资料,比较绝育与未绝育人群恶性肿瘤死亡率.结果绝育人群恶性肿瘤死亡危险低于未绝育组,标化死亡率分别为7.01‰、5.53‰(u=2.53,P《0.05),年龄调整SMR=0.88(95%CI0.88-0.96).并且,食管癌、肝癌死亡危险也显著降低,年龄调整SMR分别为0.78(95%CI0.67-0.88)、0.76(95%CI0.57-0.94).绝育人群中,绝育时年龄与绝育年限在恶性肿瘤死亡中存在相乘模式的交互作用.结论输精管绝育术不增加人群恶性肿瘤死亡率.     

1976-2006年盐城市30岁以上居民肺癌死亡变化趋势

目的了解1976-2006年江苏省盐城市30岁以上居民肺癌死亡变化情况，探讨其变化规律和发展趋势，为肺癌防治提供科学依据。方法收集盐城市死因监测点1976-2006年肺癌死亡资料，对肺癌死亡率进行性别、年龄、时间及出生队列分析。结果1976-2006年30岁以上居民合计因肺癌死亡4946例，年均死亡率为4926／10万。其中男性肺癌年均死亡率为68．77／10万，女性为29．61／10万，男性高于女性（P〈0．01）。1976-1980年肺癌年均死亡率为18．75／10万，标化率为17．75／10万；2006年死亡率为93．23／10万，标化率为96．64／10万。30岁以上人群肺癌死亡率随着年龄增加而明显上升，各年龄组肺癌死亡率比的95％CI均大于1。结论1976-2006年盐城市30岁以上居民肺癌死亡率呈逐年上升趋势，且随年龄增加而上升。     

四川省凉山彝族自治州静脉吸毒人群死亡率及死因的前瞻性队列研究

目的　了解四川省凉山彝族自治州静脉吸毒人群死亡率及死因。方法　于 2002 年 11月筛选和招募静脉吸毒人群队列376人,调查其社会人口学和吸毒行为特征。队列随访时间为 1 年,计算静脉吸毒人群的死亡率和死因构成,对死亡危险因素采用单因素和多因素 Cox回归分析。结果队列随访1年中,死亡28人,死亡率为77.32/1000 人年(95%CI:48.68~105.95),标准化死亡比为47.62(95%CI:31.63~68.71)。主要死因是吸毒过量,占全部死因的64.3%(18/28)。多因素Cox回归分析未发现与死亡(包括全部死因)有统计学关联的变量;但发现社会人口学因素中的单身和吸毒行为中的吸毒年限(≥9年)两个变量与吸毒过量死亡有统计学关联(P<0.05),其危险比分别是4.51(95%CI:1.03~19.67)和2.77(95%CI:1.10~7.00)。结论　吸毒过量致死是凉山州静脉吸毒者的主要死亡原因,需要进一步研究与吸毒过量死亡有关的因素以及干预对策。     

铀矿工氡职业暴露与肺癌风险:巢式病例-对照研究

[目的]探讨铀矿工氡职业暴露与肺癌的关系。[方法]采用回顾性巢式病例-对照研究的方法,以1958—2000年在某铀矿山工作,且由当地省市级医院确诊为肺癌的72例男性死亡病例为病例组,以与病例组年龄相差不超过5岁、同性别、1∶4配比方法选取的288例铀矿工为对照组,采用条件logistic回归方法对职业性氡暴露与肺癌关系进行分析,并计算氡致肺癌的危险系数[每工作水平月(WLM)引起的肺癌风险增量]。[结果]病例组及对照组的氡暴露量几何均数分别为171.8 WLM和127.5 WLM。单因素条件logistic回归分析显示:病例组与对照组的首次下井年龄、坑龄、年龄差异无统计学意义;吸烟(OR=1.88,95%CI:1.07~3.31)和氡职业暴露(OR=1.61,95%CI:1.19~2.16)增加肺癌风险。多因素条件logistic回归分析显示:吸烟及氡暴露仍是矿工肺癌发生的主要危险因素,吸烟致肺癌的OR为2.27(95%CI:1.26~4.09),氡致肺癌的OR为1.62(95%CI:1.18~2.24)。使用OR=1.62计算出氡致肺癌的危险系数为0.36%WLM-1,即每WLM的职业氡暴露可使铀矿工患肺癌死亡的风险增加0.36%。[结论]除吸烟外,氡职业暴露是铀矿工肺癌的主要危险因素。     

基于年龄-时期-队列效应模型分析2012—2022年山东省甲状腺癌流行趋势

目的分析2012—2022年山东省甲状腺癌发病死亡趋势, 并估计其发病的年龄-时期-队列效应。方法基于2012—2022年山东省肿瘤登记地区甲状腺癌数据, 利用Joinpoint回归分析甲状腺癌发病、死亡的变化趋势, 计算平均年度变化百分比(AAPC)。拟合年龄-时期-队列模型分析20岁以上人群甲状腺癌发病风险的年龄、时期及队列效应。结果 2012—2022年山东省甲状腺癌发病率呈上升趋势, AAPC值为21.68%(95%CI:19.14%～24.27%, P<0.001), 且女性发病率高于男性, 城市发病率高于农村;甲状腺癌死亡率变化趋势相对稳定, AAPC值为-3.04%(95%CI:-8.81%～3.09%, P=0.323)。甲状腺癌发病的年龄效应在60岁之前随年龄增长而增加, 60岁之后随年龄增长而降低, 发病高峰集中在55～59岁年龄组;时期效应随时间推移而增加;队列效应则表现为1957年之前出生的队列随时间推移呈下降趋势, 1957年之后出生的队列呈上升趋势。结论 2012—2022年山东省甲状腺癌发病率呈上升趋势, 年龄是重要影响因素;甲状腺癌死亡率较为稳定。     

非吸烟女性肺癌的风险预测模型分析

目的 开发和验证一种简单且无创的模型,评估和分层非吸烟女性患肺癌的风险,以期为临床诊治提供参考。方法 回顾性分析浙江金华广福肿瘤医院2015年5月—2018年5月期间收治的256例非吸烟女性肺癌患者的临床资料,患者均至少随访5年。构建训练模型和验证模型,在通过多变量Cox回归分析确定相关危险因素之后,开发预测性诺模图。进一步进行判别(曲线下面积)和校准,以评估训练模型中风险预测诺模图的有效性,然后在验证模型中进行验证。结果 256例患者随机平均分成训练模型和验证模型,各128例。Cox回归分析显示肺癌的潜在预测因素包括年龄(≥55岁：HR:1.34,95%CI:0.38～4.80;≥60岁：HR:2.33,95%CI:0.67～8.11;≥65岁：HR:2.41,95%CI:0.69～8.49;≥70岁：HR:1.79(95%CI:0.43～7.40)、慢性呼吸道疾病史(HR:1.94,95%CI:1.24～3.04)、一级肺癌家族史(HR:1.60,95%CI:0.91～2.83)、绝经(HR:2.16,95%CI:0.90～5.19)及乳腺良性病史(HR:0.58,95%CI:0....     

江苏省大丰市肺癌影响因素病例对照研究

目的探讨江苏省恶性肿瘤高发区大丰市肺癌发病的影响因素及其可能存在的交互作用。方法在大丰市进行以人群为基础、1:1匹配的肺癌病例对照研究,共调查肺癌病例和健康对照613对,通过面对面询问的方式填写调查表;采用单因素及多因素条件Logistic回归进行分析,对46个可能的肺癌影响因素,以及吸烟与饮酒、吸烟与饮茶、饮茶与饮酒之间的交互作用进行分析。结果单因素条件Logistic回归分析发现,吸烟、接触油烟、肺结核病史、饮酒、被动吸烟、江苏省启东县、海门县移民(启海移民)和性格忧郁等因素是大丰市肺癌发病的可能影响因素;调整可能混杂因素的多因素条件Logistic回归分析发现,吸烟、性格忧郁、接触油烟等为大丰肺癌的主要危险因素,相应调整OR值分别为3.198(95%CI=2.242～4.563),2.767(95%CI=1.572～4.872)和1.347(95%CI=1.007～1.800);而规律饮茶、洗晒储粮用具为该地区肺癌的保护因素,相应调整OR值分别为0.574(95%CI=0.400～0.824)和0.754(95%CI=0.573～0.993);交互作用分析则未发现明显的交互作用(P0.05)。结论吸烟、性格忧郁、接触油烟可明显增加大丰市人群的肺癌发病危险,规律饮茶、洗晒储粮用具等则对肺癌发病具有明显保护作用。     

厦门市居民急性心肌梗死死亡的流行病学研究

目的探讨厦门市居民急性心肌梗死死亡变化趋势,为厦门市急性心肌梗死综合防治工作提供依据。方法收集整理2005-2014年厦门市居民急性心肌梗死死亡资料,计算死亡率等评价指标,用多因素Logistic回归分析急性心肌梗死死亡的影响因素。结果 2005-2014年,厦门市居民急性心肌梗死死亡率31.73/10万,各年男性标化死亡率始终高于女性;死亡率随着年龄的升高逐渐升高,死亡年龄中位数为77岁;10年间死亡率处于较平稳水平(P﹥0.05)。男性(OR=1.67,95%CI:1.59~1.76)、生活在农村(OR=0.67,95%CI:0.63~0.70)和2010-2014年时间段(OR=1.08,95%CI:1.03~1.14)、年龄越大(OR=1.76,95%CI:1.75~1.78)可能是急性心肌梗死死亡的危险因素。结论厦门市急性心肌梗死死亡率居高不下,应以农村、男性、老年人群为重点关注对象,重视急性心肌梗死防治工作。     

2005-2014年厦门市居民肝癌死亡的流行病学分析

目的 探讨厦门市居民肝癌死亡变化趋势,为厦门市肝癌综合防治工作提供依据。方法 通过厦门市死因监测系统收集2005-2014年厦门市居民肝癌死亡资料,计算死亡率、标化死亡率（以2010年全国人口普查数据为标准人口）、死亡年龄中位数和四分位数（P25~P75）等评价指标。用SAS 9.2软件进行多因素logistic回归分析,分析肝癌死亡的影响因素。结果 2005-2014年,厦门市居民肝癌死亡率为31.35/10万,标化死亡率33.30/10万,死亡率年均下降1.65%;男性死亡率（49.84/10万）是女性（12.76/10万）的3.90倍,男性标化死亡率（54.75/10万）是女性（12.93/10万）的4.23倍。死亡率随着年龄的增长逐渐升高,死亡年龄中位数为57岁（P25~P75：48~69岁）。多因素logistic回归分析结果表明,男性（OR=4.42,95%CI：4.14~4.72）、年龄越大（OR=1.33,95%CI：1.33~1.34）、生活在农村（OR=1.49,95%CI：1.41~1.57）和2005-2009年时间段（OR=1.08,95%CI：1.02~1.14）可能是肝癌死亡的危险因素。结论 厦门市居民肝癌死亡率仍保持较高态势,不能放松警惕,应以农村、男性、老年人群作为重点关注对象,加强肝癌防治工作。     

肥城市食管癌死亡率负二项拟合回归分析

目的分析山东省肥城市食管癌死亡率的变化规律，为该地开展食管癌病因学研究及制定防制策略提供依据。方法采用负二项回归分析年龄、性别、时期、出生队列与食管癌死亡的关系。结果食管癌死亡与年龄和性别有关。食管癌死亡率随着年龄组的增高而升高，每相邻2个年龄组的下一年龄组食管癌死亡危险是上一年龄组的1．67倍。95％CI=1．56～1．78；男性食管癌死亡危险是女性的2．38倍，95％a=1．78～3．18；而时期和出生队列与食管癌死亡率的变化无关联。结论肥城市食管癌死亡率资料分布符合负二项分布，回归分析显示，影响该地区食管癌发生的危险因素在近30年中基本无变化。     

曲线回归分析中的Monte—Carlo方法

目的：曲线回归分析中如何选择曲线类型是一个比较困难的问题，单纯依靠拟合优度指标有时难以反映孰优孰劣，本文利用ＭｏｎｔｅＣａｒｌｏ原理给出一种评价曲线回归效果的方法，以弥补传统的不足。方法：通过模拟试验（ＳＡＳ程序）给出两个主要的评价统计量，即参数的百分偏差和超出方差，并对参数的性态作出检验。文中列举了应用实例。结果：不同数据模型其参数的百分偏差和超出方差可能有较大的差别，一般百分偏差最好小于１％，超出方差不超过１０％。结论：参数估计的性态是评价模型优劣的一个重要方面，在模型拟合优度相差不大的情况下，应尽量选择性态好的模型，采用模拟试验的方法很容易实现     

模糊状态风险分析的广义Logistic回归理论与应用(5)——广义Ad-Logistic回归理论

目的　本文发展了广义Ad -Logistic回归模型理论。方法　可同时实现病例与对照间“是否发病” ,及不同发病年龄病例间“发病早晚”的比较分析 ,较为客观地评价危险因素的病因学和发病学研究意义。结果　通过实际应用 ,与现有方法进行对比     

Predictive accuracy and explained variation

Measures of the predictive accuracy of regression models quantify the extent to which covariates determine an individual outcome. Explained variation measures the relative gains in predictive accuracy when prediction based on covariates replaces unconditional prediction. A unified concept of predictive accuracy and explained variation based on the absolute prediction error is presented for models with continuous, binary, polytomous and survival outcomes. The measures are given both in a model-based formulation and in a formulation directly contrasting observed and expected outcomes. Various aspects of application are demonstrated by examples from three forms of regression models. It is emphasized that the likely degree of absolute or relative predictive accuracy often is low even if there are highly significant and relatively strong covariates.     

Tree-based model checking for logistic regression

A tree procedure is proposed to check the adequacy of a fitted logistic regression model. The proposed method not only makes natural assessment for the logistic model, but also provides clues to amend its lack-of-fit. The resulting tree-augmented logistic model facilitates a refined model with meaningful interpretation. We demonstrate its use via simulation studies and an application to the Pima Indians diabetes data.     

主成分回归在学龄儿童体脂率研究中的应用

利用主成分回归方法消除在学龄儿童体脂率研究中形态指标之间的共线性作用。使得儿童体脂率与年龄,性别及形态指标的关系得以正确解释。方法：采用主成分回归分析的方法,并与多元逐频回归结果进行比较。结果消除了多元回归分析中由于共线性产生的参数估值不稳定性及结果中不好解释的现象。     

A simple approach to power and sample size calculations in logistic regression and Cox regression models

For a given regression problem it is possible to identify a suitably defined equivalent two-sample problem such that the power or sample size obtained for the two-sample problem also applies to the regression problem. For a standard linear regression model the equivalent two-sample problem is easily identified, but for generalized linear models and for Cox regression models the situation is more complicated. An approximately equivalent two-sample problem may, however, also be identified here. In particular, we show that for logistic regression and Cox regression models the equivalent two-sample problem is obtained by selecting two equally sized samples for which the parameters differ by a value equal to the slope times twice the standard deviation of the independent variable and further requiring that the overall expected number of events is unchanged. In a simulation study we examine the validity of this approach to power calculations in logistic regression and Cox regression models. Several different covariate distributions are considered for selected values of the overall response probability and a range of alternatives. For the Cox regression model we consider both constant and non-constant hazard rates. The results show that in general the approach is remarkably accurate even in relatively small samples. Some discrepancies are, however, found in small samples with few events and a highly skewed covariate distribution. Comparison with results based on alternative methods for logistic regression models with a single continuous covariate indicates that the proposed method is at least as good as its competitors. The method is easy to implement and therefore provides a simple way to extend the range of problems that can be covered by the usual formulas for power and sample size determination.     

Analysis of single-locus tests to detect gene/disease associations

A goal of association analysis is to determine whether variation in a particular candidate region or gene is associated with liability to complex disease. To evaluate such candidates, ubiquitous Single Nucleotide Polymorphisms (SNPs) are useful. It is critical, however, to select a set of SNPs that are in substantial linkage disequilibrium (LD) with all other polymorphisms in the region. Whether there is an ideal statistical framework to test such a set of ‘tag SNPs’ for association is unknown. Compared to tests for association based on frequencies of haplotypes, recent evidence suggests tests for association based on linear combinations of the tag SNPs (Hotelling T² test) are more powerful. Following this logical progression, we wondered if single‐locus tests would prove generally more powerful than the regression‐based tests? We answer this question by investigating four inferential procedures: the maximum of a series of test statistics corrected for multiple testing by the Bonferroni procedure, T_B, or by permutation of case‐control status, T_P; a procedure that tests the maximum of a smoothed curve fitted to the series of of test statistics, T_S; and the Hotelling T² procedure, which we call T_R. These procedures are evaluated by simulating data like that from human populations, including realistic levels of LD and realistic effects of alleles conferring liability to disease. We find that power depends on the correlation structure of SNPs within a gene, the density of tag SNPs, and the placement of the liability allele. The clearest pattern emerges between power and the number of SNPs selected. When a large fraction of the SNPs within a gene are tested, and multiple SNPs are highly correlated with the liability allele, T_S has better power. Using a SNP selection scheme that optimizes power but also requires a substantial number of SNPs to be genotyped (roughly 10–20 SNPs per gene), power of T_P is generally superior to that for the other procedures, including T_R. Finally, when a SNP selection procedure that targets a minimal number of SNPs per gene is applied, the average performances of T_P and T_R are indistinguishable. Genet. Epidemiol. © 2005 Wiley‐Liss, Inc.     

重症SARS病人死亡危险因素的Logistic回归分析

目的分析重症SARS病人死亡的危险因素.方法利用单因素、多因素非条件Logistic回归对54例重症SARS病例的18个危险因素进行分析.结果年龄(OR=7.351,=0.042)、有无心血管系统并发症(OR=24.381,=0.035)、有无采用人工辅助通气(0R=43.905,=0.002)是重症SARS病人预后的主要影响因素,人工辅助通气为病情指标.结论高龄、伴有呼吸衰竭和心血管系统并发症的重症SARS患者预后较差.     

影响人体COHb水平的多因素分析

本文用逐步回归法对影响人体血中COHb水平的20个因素进行筛选,当F=3.02时,交通警察、吸烟年限、CO日平均接触浓度、中小学教师、机关干部、年龄、旅馆和浴池服务员及大学生8个因素有统计显著性,其中有5种职业,其余均无统计显著性,提醒有关部门要注意这5种职业,同时大力提倡戒烟,尽可能地降低环境中CO浓度,以提高人群的健康水平。     

零频数过多模型在亚健康状态研究中的应用

探讨零频数过多(ZI)模型在亚健康症状数研究中的应用.应用Stata 11.0软件拟合ZI模型分析亚健康症状数的危险因素,并用d系数、Vuong检验、O检验、似然比拟合优度检验比较ZI模型与传统负二项回归模型、Poisson回归模型的拟合效果.α=0.939,Vuong检验Z=32.08,P＜0.0001,表明此数据的零频数过多.亚健康症状数的(-x)=2.90,s=3.85,过度离散统计量0=308.011,P＜0.001,s2＞(-x),表明存在过度离散.从4个模型中的拟合优度看,零频数过多的负二项回归(ZINB)模型log likelihood最大,AIC最小,说明ZINB模型的拟合效果最佳.当计数资料中出现过多的零频数时(如亚健康症状数资料),应用ZINB模型能够获得最佳的拟合效果.

Abstract：

To explore the goodness of fit about the zero-inflated (ZI) models in analyzing data related to sub-health symptoms in which the counts are non-negative integers. ZI models are conducted with Stata 11.0. The coefficient of a, Vuong test, O test and likelihood test are used to compare the goodness of fit for ZI models with the common used models such as passion model,negative binomial model. When a is 0.939, and the Z statistic of Vuong test is 32.08, P＜0.0001,which shows that there are too many zeros. The mean number of sub-health symptoms is 2.90, s=3.85, 0=308.011, P＜0.001, s2＞(-x), indicating that the data are over-dispersed. In addition, the optimum goodness of fit is found in zero-inflated negative binomial (ZINB) model with the largest log likelihood and the smallest AIC. ZINB seems the optimal model to study those over-dispersed count data with too many zeros.