SAS宏程序%HPGLIMMIX在大样本数据广义线性混合模型参数估计中的应用

目的 SAS软件中目前实现广义线性混合模型的过程步主要包括PROC GLIMMIX和PROC NLMIXED,两种方法在实际应用中各有侧重。本文介绍一个可以提高广义线性混合模型运行效率的SAS宏程序%HPGLIMMIX的使用方法及其结果解读。方法通过实例数据,介绍%HPGLIMMIX分析正态分布和二项分布数据的过程,并展示采用%HPGLIMMIX分析大样本数据的性能优势。结果对于小样本正态分布和二项分布数据,采用%HPGLIMMIX和GLIMMIX、NLMIXED分析的用法基本一致。对于大样本数据,%HPGLIMMIX可进行模型拟合并可有效节省时间及计算资源。结论 %HPGLIMMIX可有效提升大样本数据的广义线性混合模型拟合的效率。NLMIXED过程可以快速准确地进行参数估计。     

非独立多分类数据的统计分析方法及SAS程序

目的采用广义估计方程、广义线性混合模型、非线性混合模型分析非独立分类数据。方法以眼科临床试验资料为实例,采用SAS9.2软件中GENMOD、GLIMMIX、NLMIXED过程拟合广义估计方程、线性混合效应模型、非线性混合效应模型。结果广义估计方程将非独立观测间的协方差结构处理为多余参数,模型中不能容纳随机效应;广义线性混合模型可以拟合多个随机效应,但不能对其提供统计学检验;非线性混合效应模型中因变量的分布形式可以自己指定,可以提供真实的似然函数及随机效应的统计学检验结果。3种分析方法的统计分析结论一致。结论 3种分析方法都是分析非独立分类数据的有力工具,研究者根据数据的特征及研究目的选择合适的方法对资料进行分析。     

有序多分类重复测量资料的广义线性混合效应模型分析

目的 探讨广义线性混合效应模型在有序多分类重复测量资料分析中的应用及SAS9.1的GLIMMIX和NLMIXED过程实现.方法 为了评价某新药治疗糖尿病神经病变的临床疗效,采用以安慰剂为对照的随机双盲临床试验.在各个随访时间记录各受试者的神经病变主觉症状总分,并根据减分率评定疗效.建立广义线性混合效应模型,并分别用线性化法和数值法积分近似法进行参数估计,利用SAS中的GLIMMIX和NLMIXED过程得以实现.结果 2种参数估计方法 结果 很接近.疗效的组间差别有统计学意义（P〈0.000 1）,试验组疗效优于安慰剂组;各个疗程间的疗效差别有统计学意义（P〈0.000 1）,且疗程越大疗效越好; 治疗前神经病变主觉症状总分对疗效有影响（P=0.061 3,接近显著性水平）,其值越高,越容易治愈,提示病情严重的患者相比病情轻微的患者治愈效果更好.另外用数值法积分近似法还给出了随机截距和随机斜率的统计显著性检验.结论 采用广义线性混合效应模型对有序多分类重复测量临床资料进行统计分析,可以更客观的进行药物疗效评价.     

重复测量资料非线性混合效应模型应用与实现

目的探讨重复测量资料非线性分析技术、SAS软件NLMIXED过程及在群体药动学的应用.方法结合重复测量数据特点,采用最大似然原理进行参数估计,建立非线性混合效应参数模型.结果该模型不仅考虑了个体内和个体间变异,而且也考虑了参数间的非线性,允许固定效应和随机效应进入模型的非线性部分;可方便地分析随机缺失等非均衡数据;有助于引入其他解释变量时最佳模型的选择,更客观地解释其对代谢过程的影响.结论当重复测量资料不满足线性条件时,使用非线性混合效应模型能更客观地反映原数据特征,挖掘资料蕴藏的信息,弥补线性理论分析非线性重复测量资料之不足.     

混合响应类型的多水平模型在重复测量资料中的应用和实现

目的将混合响应类型的多水平模型应用到具有两个不同类型结局变量的重复测量资料的分析中。方法对原始资料的格式作适当变换,构造一个水平1虚拟变量,将2个结局变量作为水平1上的观察单位,各时间点的重复测量为水平2单位,受试者为水平3单位,用MLwiN2.25软件拟合混合响应类型的三水平模型,对试验组和对照组的疗效,以及受试者的年龄、性别、观察指标的基线值,时间、组别和时间的交互效应进行分析。结果该模型在考虑了两个不同类型的结局变量在各个水平上的相关性后,可以对两个结局变量同时进行影响因素分析,获得解释变量对两个结局变量影响的估计,且只要数据缺失随机则估计是有效且无偏的。结论由于混合响应类型的多水平模型允许结局变量具有不同类型,并且把数据间的相关性分解为重复测量相关性和结局变量间相关性两部分,可有效地进行重复测量资料的动态变化趋势分析,分析结果更为细致。     

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.     

分类重复测量数据的非线性混合效应模型

[目的]探讨分类重复测量数据的非线性混合效应模型及SAS8.0软件NLMIXED过程实现。[方法]直接拟合分类反应变量的非线性概率模型,结合重复测量资料的特点,采用附加高斯积分来获得最大似然的参数估计。[结果]非线性混合效应模型能很好地拟合分类反应变量的重复测量资料,它允许固定效应和随机效应进入模型的非线性部分,可方便地分析随机缺失等非均衡数据。[结论]分类反应变量重复测量资料的非线性混合效应模型分析结果合理、容易解释,为分类重复测量资料提供一种新的分析思路。     

线性混合效应模型的惩罚变量选择

目的研究基于惩罚的线性混合效应模型变量选择原理和方法。方法对线性混合效应模型中的固定效应施加惩罚,采用Lasso和SCAD进行变量选择,通过两步迭代算法估计惩罚似然,利用BIC原则选择惩罚参数。通过广泛的模拟研究评价Lasso和SCAD在线性混合效应模型变量选择中的性质表现,并应用于真实数据的数量性状位点选择。结果模拟研究和实际应用显示,在线性混合效应模型中,两步迭代算法简单可行,基于惩罚的变量选择方法能够有效识别有意义的协变量。结论基于惩罚的策略为线性混合效应模型提供了行之有效的变量选择方法。     

重复测量诊断试验的ROC曲线广义线性混合效应模型北大核心CSCD

目的针对重复测量诊断数据,为同时考虑协变量对诊断试验准确性评价的影响,度量重复测量数据间的相关性,本文探索新的ROC曲线的建模方法。方法通过广义线性混合效应模型对ROC曲线进行模拟,并采用贝叶斯参数估计方法,利用Win BUGS软件予以实现,进而计算不同协变量取值下的ROC曲线下面积(AUC)以对诊断试验结果进行评价。结果实例数据分析结果表明,基于广义线性混合效应模型的ROC曲线建模方法可以有效地刻画重复测量诊断试验数据,给出更有解释意义的回归参数,提供临床分析的参考依据。结论基于广义线性混合效应的ROC曲线模型在解决重复测量诊断试验的准确度评价问题起着至关重要的作用。     

重复测量诊断试验的ROC曲线广义线性混合效应模型

目的针对重复测量诊断数据,为同时考虑协变量对诊断试验准确性评价的影响,度量重复测量数据间的相关性,本文探索新的ROC曲线的建模方法。方法通过广义线性混合效应模型对ROC曲线进行模拟,并采用贝叶斯参数估计方法,利用Win BUGS软件予以实现,进而计算不同协变量取值下的ROC曲线下面积(AUC)以对诊断试验结果进行评价。结果实例数据分析结果表明,基于广义线性混合效应模型的ROC曲线建模方法可以有效地刻画重复测量诊断试验数据,给出更有解释意义的回归参数,提供临床分析的参考依据。结论基于广义线性混合效应的ROC曲线模型在解决重复测量诊断试验的准确度评价问题起着至关重要的作用。     

广义线性混合效应模型在分类重复测量资料中的应用

目的探讨分类重复测量资料广义线性混合效应模型(GLMMs)建模及SAS8.0的GLIMMIX宏实现。方法利用GLIMMIX宏ERROR和LINK语句来指示反应变量的分布及连接函数,通过REPEATED和RANDOM语句的TYPE选项选择合适的方差-协方差结构矩阵来模拟数据的相关性,采用基于线性的伪似然函数进行模型参数估计。结果GLMMs是在广义线性固定效应模型的基础上引入随机效应,反应变量可以是指数家族中任意分布(连续分布包括正态分布,beta分布,卡方分布等;离散分布包括二项分布,泊松分布,负二项分布等),可以通过连接函数将观测的均数向量与模型参数联系起来,根据重复测量资料的特点选择合适的方差-协方差结构矩阵。结论GLMMs应用范围广,建模灵活,可以为相关或非常量方差数据建模,能提供客观正确的统计结论。     

孕期暴露多溴联苯醚与儿童体质指数关联性的meta分析与实验研究

目的采用meta分析和实验研究探讨孕期暴露多溴联苯醚与儿童体质指数(BMI)之间的关联。方法计算机检索万方、中国知网、维普、中国生物医学文献服务系统等中文数据库及PubMed、OVID、Embase、Research Gate、Cochrane databases等英文数据库,收集2010—2019年公开发表的关于孕期暴露多溴联苯醚与BMI的相关研究,经过文献筛选、资料提取和质量评价后采用Stata 12.0软件进行meta分析。同时,C57雄性小鼠灌胃2,2',4,4',5,5'-六溴联苯醚(BDE-153)、十溴联苯醚(BDE-209)4周,观察体重变化。结果共检索到相关文献资料86篇,有5篇外文文献符合meta分析纳入标准。Meta分析结果显示,基于随机效应模型的5项流行病学研究分析中,孕期暴露多溴联苯醚与学龄前儿童BMI之间存在显著的负相关(SE=-0.22,95%CI:-0.37～-0.07,Z=2.95,P0.01),其中与男孩无关联(SE=-0.11,95%CI:-0.32～0.10,Z=1.07,P0.05),与女孩存在明显的负相关(SE=-0.52,95%CI:-0.70～-0.33,Z=2.85,P0.05)。学龄前儿童BMI与血清2,2',4,4'-四溴联苯醚(BDE-47)、2,2',4,4',5-五溴联苯醚(BDE-99)不存在关联性,与血清BDE-100(SE=-0.19,95%CI:-0.38～-0.01,Z=2.20,P0.01)、BDE-153呈负相关(SE=-0.52,95%CI:-0.70～-0.33,Z=5.47,P0.01)。在动物实验研究中,BDE-153高剂量组的体重比低剂量组和对照组降低(P0.01),BDE-209各剂量组之间体重差异无统计学意义(P0.05)。结论孕期暴露多溴联苯醚与学龄前女童BMI存在显著的负相关,儿童血清BDE-100、BDE-153浓度与学龄前儿童的BMI呈负相关。     

基于结构方程模型的meta分析在抑郁与社会支持关系的应用

目的介绍结构方程模型下的meta分析,对多个抑郁与社会支持关系的结构方程模型研究结果进行综合评价。方法以"结构方程模型"、"抑郁"、"社会支持"为主题词,通过文献追溯方法收集5篇相关文献。采用基于结构方程模型的meta分析来研究抑郁与社会支持间的关系。结果相关系数矩阵下的固定效应模型的meta分析结果显示:χ2=62.3291,P0.001,可知相关矩阵存在异质性。采用随机效应模型的meta分析获得综合相关矩阵,并根据综合相关矩阵进行结构方程模型分析,结果显示:χ2=2.8497,P=0.2405,CFI=0.9976,RMSEA=0.0154,SRMR=0.0206,该结果表明既定的结构方程模型能够很好地拟合数据。结论基于结构方程模型的meta分析较好地综合多个基于相关系数或协方差矩阵的结构方程模型的研究结果。     

膳食环境因素对儿童青少年肥胖影响的多水平混合效应模型研究

目的分析2011年中国12省(自治区、直辖市)膳食环境因素对7～17岁中国儿童青少年肥胖的影响。方法利用2011年"中国健康与营养调查"的膳食环境和体格测量数据,本调查采用多阶段分层整群随机抽样方法、连续3天24小时回顾法膳食调查、个人-家庭-社区的问卷调查及身高和体重测量等体格检查方法。选择相关资料完整的1416名7～17岁儿童青少年作为研究对象(男性占50.71%;7～10岁年龄组占43.50%,11～14岁37.43%,15～17岁19.07%),结合2011年国家统计年鉴中的膳食环境数据,构建三水平(省-社区-个人)肥胖与否的二分类结局Logistic随机截距混合效应模型,分析膳食环境因素对儿童青少年肥胖的影响,确定其中危险因素的特性。结果鉴于对单独构建的"省-个体"和"社区-个体"二水平的空模型进行分层的随机效应检验时P值分别为P0.005和0.050P0.100的分析结果,本研究拟合了三水平(省-社区-个人)Logistic随机截距混合效应模型。该模型分析显示,在调整了各个水平其他指标的影响后,省国内生产总值(GDP)(OR=1.00006,P=0.001,95%CI 1.00003～1.00010)和省人均每日食用油消费量(OR=1.18317,P0.001,95%CI 1.10054～1.27200)与7～17岁肥胖呈正相关;以7～10岁年龄组为参照组,11～14岁和15～17岁两个分组与肥胖呈负相关(11～14岁组OR=0.59518,P=0.049,95%CI 0.35465～0.99885;15～17岁组OR=0.13225,P0.001,95%CI 0.04716～0.37084)。7～17岁儿童青少年肥胖二分类Logistics三水平随机截距预测模型的参数估计值为:截距(-2.23457,P0.001,95%CI-2.59581～-1.87334);省GDP系数(0.00003,P=0.007,95%CI 0.00001～0.00005);省人均食用油系数(0.10642,P0.001,95%CI 0.06365～0.14919);以7～10岁年龄组为参照组,11～14岁年龄组系数(-0.56777,P=0.007,95%CI-0.97837～-0.15717),15～17岁年龄组系数(-1.36679,P0.001,95%CI-2.02890～-0.70469)。结论除个体因素外,7～17岁儿童青少年肥胖还会受到省级水平膳食环境影响,其中省GDP和省人均每日食用油消费量影响较为显著;在个体方面,青春期前7～10岁年龄段是儿童青少年肥胖问题的高风险时期。     

基于GPLM的40～65岁绝经后骨质疏松症风险判别模型分析

目的建立基于广义偏线性模型(generalized partial linear model,GPLM)的,包括危险因素和中医证候要素内容的绝经后骨质疏松症(postmenopausal osteoporosis,PMOP)风险判别模型。方法在获取1740例社区PMOP高危人群危险因素及证候问卷调查数据基础上,筛选出与PMOP发病相关的重要危险因素和中医症状为协变量,以骨密度定性诊断为结局变量,建立基于GPLM的PMOP判别模型。结果 GPLM模型线性部分参数估计提示:是否绝经、体重指数、下肢抽筋、下肢骨痛、绝经年限(线性效应)具有统计意义(P<0.05);模型非线性部分参数估计提示:绝经年限(非线性效应)具有统计意义(P<0.05)。与logistic回归模型相比,拟合GPLM模型时加入了"绝经年限"的非线性效应,其AUC值为0.7971,具有统计学意义(χ2=21.9162,P<0.001)。结论绝经年限与PMOP发病之间存在非线性效应。将西医危险因素和中医症状相结合,建立基于GPLM的PMOP判别模型,反映病证结合特点,与logistic回归模型相比,具有更好的判别准确性。     

GEE、GLMM和MLM分析卫生重复测量资料的效果比较

目的探讨广义估计方程(Generalized Estimating Equation,GEE)、广义线性混合模型(Generalized Linear Mixed Models,GLMM)和多水平统计模型(Multilevel statistical Models,MLM)分析重复测量资料的效果。方法采用SAS9.4和MLwi N2.26对住院病人人均医药费影响因素拟合GEE、GLMM和MLM,其中GEE设置独立型(type=ind)、可交换型(type=exch)、自相关型(type=ar)和非确定结构型(type=un)4种作业相关矩阵,比较效应估计值标准误的差异。结果 (1)纳入研究的变量有随时间增加的趋势;(2)GEE(type=ind)和GLMM模型下各变量效应估计值标准误具有一致性,时间依存变量的效应估计值标准误被高估,时间独立变量的标准误被低估;(3)MLM和GEE(type=exch)模型下各变量效应估计值标准误具有一致性,对研究的重复测量资料有较好的反映;(4)GEE(type=ar)估计效果居于以上二者之间,GEE(type=un)未收敛。结论卫生相关资料具有重复测量资料特征,统计分析需要考虑资料内部相关结构,对此类资料MLM与GEE(type=ind)、GLMM与GEE(type=ind)分别有相同效果。     

GAM识别非线性相关及其在医学统计建模中的应用

目的介绍广义相加模型(GAM)识别非线性相关及其在医学统计建模中的应用。方法应用SAS软件PROC GAM模块识别实例数据结局变量与自变量之间的非线性相关,通过比较考虑该非线性相关和不考虑该非线性相关时多元线性回归和logistic回归模型的拟合和预测效果,阐明GAM识别非线性相关在统计建模中的重要性。结果与不考虑非线性相关的模型相比,考虑非线性相关的模型拟合和预测效果更优。结论合理使用GAM,在模型中纳入非线性成分,可改善回归模型的建模效果和预测精度。     

交叉设计资料的混合效应模型分析

目的 放宽交叉设计方差分析对残留效应假定和探讨交叉设计混合效应分析模型。方法 建立三个模型以适应残留效应的不同假定，即残留效应为零、相等或不等，通过构造对数似然函数以及利用Fisher记分迭代算法可求得卢和口的极大似然估计与限制极大似然估计。结果 用SAS程序实现了交叉设计混合效应模型分析，得到了有关参数的估计值和直接处理效应的比较结果，实例分析表明，混合效应模型能够提供更多的有效信息。结论 混合效应模型较一般方差分析有更强的适应性，可完善和丰富交叉设计资料的分析方法。     

广义线性混合模型与logistic回归应用于层次结构数据的对比分析

目的比较广义线性混合模型与logistic回归应用于层次结构数据的差异性。方法选择2013年10—12月期间北京市14家单位职工食堂满意度调查的资料数据,对可能影响食堂满意度的各变量分别进行非条件logistic回归和广义线性混合模型分析,并对结果进行对比分析。结果 Logistic回归显示,食堂经营性质(OR=2.757,P0.05)、性别(OR=0.723,P0.05)、年龄(OR=0.991,P0.05)、学历(OR=0.694,P0.05)、岗位(OR=0.745,P0.05)、在食堂用餐天数(OR=1.685~2.590,P0.05)、职工健康知识水平(OR=1.099,P0.05)等7个变量为食堂满意度影响因素。广义线性混合模型显示,高水平(单位)常数项估计值为1.138,标准误为0.514,95%CI=0.469~2.760,差异有统计学意义(P0.05)。说明食堂满意度在单位水平上存在聚集性。且仅有女性(OR=0.780,P0.05)、在食堂用餐时间(OR=2.336~2.655,P0.05)和膳食知识得分(OR=1.135,P0.05)3个变量差异有统计学意义。两种分析方法都有统计学意义的变量为性别、在食堂就餐天数和职工膳食知识得分,且OR值水平接近。结论处理在高水平上存在聚集性的层次结构数据时,广义线性混合模型比logistic回归更为谨慎和科学。但对差异有统计学意义的变量解释上,两者具有一致性。     

从经典似然到等级似然的理论概述和应用

正Fisher(1921)~([1])第一次使用了似然(likelihood)这个概念,以后有关似然理论得到了极大发展和广泛应用。由Lee和Nelder(1996)~([2])提出的带随机效应的广义线性模型的等级似然(hierarchicacl likelihood)估计方法,在随机效应统计模型估计中得到了较大的发