首页 > 文献资料
-
稳健Poisson和log-binomial的GEE模型应用于非独立数据的研究
探讨流行病学资料中非独立数据的RR/患病率比(PR)的合适估计方法.采用计算机模拟实验和实例分析观察稳健Poisson-GEE和log-binomial-GEE模型的适用性并进行比较.结果表明log-binomial-GEE模型与稳健Poisson-GEE模型的收敛率基本均为100％,两模型估计各参数的平均值均与真值接近;在类内聚集性变小或类别数增加时,两模型估计各参数的95％CI覆盖率均有所提高;稳健Poisson-GEE模型对参数估计的稳健性较好,应用到实例时可正确评价暴露对结局的影响.稳健Poisson和log-binomial的GEE模型很少存在收敛问题,且有较高的准确率,可用于流行病学资料中非独立数据的RR/PR值估计.
-
log-binomial模型估计的患病比及其应用
[导读]探讨有和无连续协变量时的log-binomial模型估计患病比的统计方法及其应用.文中使用禁烟立法态度与吸烟关联的研究实例,比较log-binomial模型估计的现患比(PR)与logistic回归模型估计的优势比(OR).当模型中无连续协变量时,采用大似然估计拟合log-binomial模型;当因含有连续协变量导致模型不收敛时,则采用COPY方法估计PR.分别估计男、女禁烟立法态度与吸烟的关联.由于女性吸烟率低,用PR与OR所估计的关联结果相似.而男性吸烟率较高,OR值明显大于PR.当年龄作为连续协变量纳入模型时,导致log-binomial模型不收敛,采用COPY方法解决此问题.所有分析均在SAS软件中实现.结论:当患病率较高时,PR比OR更好地测量了暴露与疾病的关联.文中给出log-binomial回归模型和COPY方法估计PR的SAS程序.
关键词： 现患比 log-binomial模型 COPY方法 -
非独立数据时稳健Poisson和Log-binomial随机效应模型研究
目的 比较基于稳健Poisson回归及Log-binomial的随机效应模型对具有层次结构的非罕见结局事件资料的参数估计结果.方法 通过计算机模拟生成具有类内相关的数据集,设置了32种参数情况,分别反映实际资料中的少数类别数和中等类别数,小强度的类内聚集和中等强度的类内聚集,基线患病率分别为0.15和0.3,关联强度PR值分别是1.5和2.0,暴露率分别为20％和50％的情况;比较各模型在模拟条件下的收敛率、参数估计结果以及参数的95％ CI覆盖率.结果 Log-binomial随机效应模型的收敛效果劣于稳健Poisson随机效应模型;两随机效应模型对各参数的估计结果均和真值较为接近;在类内聚集性较小时,两随机效应模型95％ CI覆盖率均较好,但随类内聚集性增大,Log-binomi-al的随机效应模型95％ CI覆盖率变动较大,且类别数增加时覆盖率普遍较低.结论 基于稳健Poisson的随机效应模型收敛率高,参数估计结果与真实值接近,对各固定效应参数估计的95％ CI的覆盖率高且稳定,优于Log-binomial随机效应模型.
关键词： 非独立 稳健Poisson回归 log-binomial模型 随机效应 患病率比
