首页 > 文献资料
-
重复测量等级资料的时间趋势检验
新药临床试验中,要求连续观察受试者症状、疗效指标或实验室指标的变化,以动态评价药物的有效性和安全性.因对每个受试者都进行了多次随访和观察,形成重复测量资料.在这种临床试验中,除了试验药物与对照药物疗效的差别外,评价主要变量是否随着时间推移而上升或下降也是一个比较重要的问题,也就是说主要变量的时间趋势检验.
-
视觉模拟评分法在症状类结局评价测量中的应用
视觉模拟评分(VAS)法在临床上被广泛应用于症状类结局的评价,比如疼痛程度的评价,但目前在资料的处理方面尚欠规范.对VAS法的资料类型及统计方法进行了归纳,并对其中较为常见且容易出现问题的重复测量资料的分析方法进行了具体的阐释,以期为VAS法在临床研究领域的规范应用提供参考.
关键词: 视觉模拟评分法(VAS) 重复测量资料 统计分析方法 -
广义估计方程在多元统计分析中的运用及检验效率评价
医学科研中经常会遇到以下两类数据:(1)观测了若干组别研究对象m项指标(结局变量),如比较两种剂量某降血脂药治疗后总胆固醇、低密度脂蛋白、甘油三酯的变化.(2)对不同组别n个研究对象某一指标(结局变量)观测了m次,可以是n个调查员或在m种情况下所做的观测,如服用两种剂量某降压药治疗后1、2、4、6小时分别测量的血压值,通常被称为重复测量资料,其中m次测量也可以称为m个结局变量.重复测量值之间呈相关倾向,概率论与数理统计学的许多原理与方法都是建立在“独立性”的基础上,因而传统的方法不适合处理重复测量资料[1-3].目前针对这类资料的分析方法主要有单变量t检验分别分析、多变量Hotelling T2检验[4]、GEE多元回归[5-6]、多水平模型(multilevel model,MLM)等[7].本文将采用X&Y Soultions软件公司设计的EmpowerStats(易尔统计)软件[8]对三种常用方法:单变量t检验、多变量Hotelling T2检验和GEE的模拟分析结果进行比较分析,了解各自的统计检验效率和Ⅰ类错误发生率.
-
析因设计重复测量资料的统计分析及SAS程序实例
目的 探讨析因设计重复测量资料的统计分析方法.方法 通过构造统计模型,并结合实例给出SAS程序来实现析因设计重复测量资料的统计分析.结果 给出了一般线性模型和混合线性模型对处理因素和时间因素进行比较的具体做法.结论 在数据之间相关性较为复杂时,混合线性模型更加适合于析因设计的重复测量资料的统计分析.
-
老年人认知功能与抑郁关系纵向研究多水平模型
目的 探讨老年人群中认知损害与抑郁症之间的关系,为制定科学合理的认知损害与抑郁共病防治策略,提高老年人生存质量提供理论依据.同时,对重复测量资料的多水平模型在纵向资料研究中的优势进行探讨,为慢性病共病进展的影响因素及其变化规律分析提供方法学借鉴.方法 利用太原市600名60岁及以上轻度认知损害老年人的3次随访资料,以反映认知功能的MoCA量表得分为应变量,探讨老年人认知功能随时间的变化趋势以及不同特征人群变化趋势的差异.结果 多水平模型分析结果显示,年龄、婚姻、教育程度、目前生活居住情况、听力、看书读报、吸烟情况等个体背景变量对老年认知功能的影响有统计学意义.控制个体背景协变量之后抑郁与时间的交互项有统计学意义,与非抑郁组相比,抑郁组MoCA平均分值随时间下降的速率较快.结论 老年认知功能与多种因素相关,老年抑郁会加剧老年人认知功能下降.重复测量多水平模型适用于慢性病纵向研究影响因素及其变化规律分析.
-
带时依协变量的重复测量资料的混合线性模型分析及其MIXED过程实现
目的 探讨混合线性模型在带有时依协变量的重复测量资料分析中的应用.方法 以治疗轻、中度原发性高血压病临床试验资料为例,考虑到给药方案在各个时间点随病情而变化,利用SAS中的MIXED过程,选择合适的协方差结构来实现带有时依协变量的重复测量资料的统计分析.结果 时依协变量(给药方案)对治疗轻、中度原发性高血压病有统计学意义(P<0.05);时间因素有统计学意义(P<0.05);给药方案与时间因素之间有交互效应(P<0.05)、给药方案与处理因素之间有交互效应(P<0.05).结论 采用混合线性模型对带有时依协变量的临床试验重复测量资料进行统计分析,可以更客观地进行药物疗效评价.
-
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.
-
具有一个重复测量资料的协方差分析
重复测量资料在医学研究领域中广泛出现,设计类型和分析目的往往具有变异性[1],困扰的统计分析方法可谓是复杂多样,均数的多重比较亦是扑朔迷离[2~6].本文利用Stata软件的协方差分析程序尝试性地分析具有一个重复测量资料的一个实例[7].
-
多因素重复测量设计裂区方差分析
医学研究领域中,常见到重复测量(Repeated Measurements,RM)数据。重复测量因素各水平间往往存在自相关性,而常规统计分析方法需满足数据间的独立性。重复测量设计中的研究因素分为重复测量因素(within-subject factor,即“组内因素”)和处理因素(between-subject factor,即“组间因素”),按所含重复测量因素的个数分为单因素重复测量(One-way Repeated Measurements)设计和多因素重复测量(Multi-way Repeated Measurements)设计〔1〕。单因素重复测量资料的分析方法目前国内已有报道,多采用一元裂区方差分析〔2,3〕。多因素重复测量分析方法类似于单因素重复测量,但由于增加了重复测量因素的个数,从而增加了分析的复杂性。本文以含两个重复测量因素和一个处理因素的资料为例说明多因素重复测量的一元裂区方差分析及其校正。
-
重复测量资料的回归综合指标分析及其在新药临床试验中的应用
在新药临床试验研究中,无论是急性病还是慢性疾病,都几乎无一例外地在试验期间对主要指标进行等间隔或不等间隔的重复测量.重复测量的数据结构属于系统结构数据的一种情形,目前已在统计学界形成共识,即属于非独立数据.对于系统结构数据的分析方法目前被关注的热点是多水平模型[1].由于这类方法考虑了观察个体内部的相关性,从而避免了忽略同一个体在不同观察时点指标的相关性的缺点,因此在理论和应用上都对统计学发展起了促进作用.但是,这类方法由于其在理论和方法上具有一定的难度和相应应用软件的限制,使实际工作者在应用时受到很大限制.临床试验研究中由于重复测量数据的大量存在,而且考虑到新药临床试验的时效性和经济性,建立一种相对计算简便、易于理解而又具有综合特点的方法,即综合指标分析方法是十分必要的.
-
重复测量资料类内相关系数分析的Gibbs抽样方法
光学相干断层成像术(Optical Coherence Tomography,OCT)是90年代始用于临床的新型技术。对眼睛不同部位检查结果的类内相关系数(Intraclass correlation coefficient, ICC)的分析,有助于探讨影响检查结果精确性的影响因素。但同一眼睛不同部位以及同一部位各次检查结果间的相关性,使得ICC的估计和假设检验非常困难。现我们构造一多元线性随机效应模型,应用Gibbs抽样方法产生ICC的后验分布,完成ICC的统计分析。
-
用混合线性模型处理重复测量数据的方法分析福建省脑血管病死亡率
医学研究中存在着大量重复测量资料,例如不同时间对儿童生长发育资料的重复测量,对某些地区疾病发病或死亡资料的连续测量.这些资料特点就是该重复测量资料存在相关性,或者说存在组内相关.它不符合常规分析方法的前提,即独立、同方差的假设,因此该类资料的处理成为统计学一个重要课题.目前重复测量资料的处理已经有许多成熟的方法,本文介绍的混合线性模型即是其中之一.原理
-
GENMOD过程和GLIMMIX过程的比较
重复测量资料(repeated measurement data)是指对同一观察单位进行重复观察或测量所得到的资料,它以节省样本含量、资料容易收集、检验效能高等优点受到医学界科研人员的青睐.当反应变量是二分类变量时,为二分类重复测量资料,其在临床研究中非常多见,如在乳腺增生患者疗效研究中,定期记录患者治疗期间的变化,检测指标为是否有改善的二分类变量;呼吸道疾病疗效记录为是否好转的二分类变量等.
-
广义估计方程在SPSS统计软件中的实现
在实际研究中,常常需要处理纵向资料(longitudinal data)、重复测量资料(repeated measurement data)、整群抽样设计资料(cluster sampling design data)、聚集性资料(clustered data)或是多层次结构资料(hierarchical data)等.
-
新药临床试验中重复测量资料的混合效应模型
新药的Ⅱ期临床试验要求动态观察受试者的多项指标的变化,包括生命体征、生理指标及相关的疗效指标和不良反应等,以确认药物的安全性和有效性.因每个受试者均要在试验的不同时期进行多次随访和观察,故称这类资料为重复测量资料[1].本文讨论重复测量资料的特殊性及其分析方法.
-
基于多水平模型的老年抑郁与认知损害关系纵向研究
目的 主要探讨认知损害对老年抑郁的影响,同时了解老年抑郁进展的影响因素.方法 2010年10月-2011年12月,采取问卷调查方式对太原市517名65岁及以上老年人群每6个月随访一次,以反映抑郁程度的老年抑郁量表(The Geriatric Depression Scale,GDS)得分为反应变量,第1个水平的观察单位是时间,第2个水平是个体,拟合重复测量资料的多水平模型,分析认知损害及其他因素对老年抑郁的影响.结果 多水平模型分析结果表明控制个体背景协变量后,认知损害组平均初始GDS分值高于非认知损害组(t=2.09,P=0.038),且GDS平均分值随时间增长速率更快(t=2.56,P=0.011).离退休前职业、目前经济来源、生活居住情况、看书读报、铝制炊具使用频率、糖尿病、心脏病等对老年抑郁的影响也有统计学意义.结论 老年认知损害与老年抑郁的发生发展有关,老年抑郁也与社会人口学变量、生活方式和慢性病有关.
-
临床试验计量重复测量资料的统计
目的探讨药物临床试验计量重复测量资料统计分析方法的选择.方法通过实例列出各种分析方法并进行比较.结果临床药物研究资料常为重复测量资料,比较治疗组与对照组测量值是否有显著性差别,在统计方法选择策略上一种是对一个代表性值进行比较,采用传统的统计方法如两独立样本t检验、方差分析和协方差分析;另一种策略是采用混合效应模型对整个研究过程中所有时点的测量值进行分析.结论两种统计策略均可以采用,但混合效应模型是较好的分析方法.药物临床试验研究资料常是重复测量资料,各时点值之间存在相关性.混合效应模型可以充分利用信息,既可以分析随机效应和相关性,又能处理缺损值.
-
混合模型在医学研究中的应用与展望
医学研究中有很多资料都存在层次结构特征,而混合模型是处理该类数据的新兴的统计学方法.此文对混合模型(mixed models)的概念及其类型作了简要介绍,同时将混合模型与传统的固定效应模型进行比较,分析了国内外混合模型在医学研究中的应用现状,并对其前景作了展望.
-
多反应变量重复测量资料的协方差类型模型应用及SAS实现
目的 探讨协方差类型模型在多反应变量的重复测量资料分析中的应用方法 为了评价盐酸吡格列酮片治疗2型糖尿病的有效性,以安慰剂为对照,对240例2型糖尿病患者的空腹血糖和餐后2 h血糖重复观测数据进行多反应变量的协方差类型模型分析,对模型的固定效应参数矩阵作小二乘估计并进行组间比较,同时给出误差效应的方差协方差矩阵,利用SAS中的MIXED过程得以实现结果 2组空腹血糖和餐后2 h血糖的总体差别有统计学意义(P<0.01);各时间点的差异有统计学意义(P<0.01);反应变量类别和时间的交互作用有统计学意义(P<0.05),说明空腹血糖和餐后2 h血糖随时间的变化趋势有所不同;分组和时间的交互作用有统计学意义(P<0.01),说明2组血糖随时间的变化趋势有所不同.得到固定效应的有关参数的估计值,并给出了曲线图.用药后患者的空腹血糖和餐后2 h血糖随时间变化而变化,且2组曲线的变化趋势是不相同的.试验组曲线随时间迅速下降,而安慰剂组曲线随时间变化非常平缓结论 多反应变量的协方差类型模型可以处理有随机缺失数据的资料,并允许每个观察对象观察次数和观察时间不同,通过指定非独立数据的方差协方差矩阵结构,直接对相关性结构建模.模型不仅考虑了每个反应变量多次重复测量结果之间的相关性,也考虑了各个反应变量之间的相关性,可有效地进行重复测量资料的动态变化趋势分析,统计结论更为可信.
-
混合线性模型在军事训练重复测量资料中的应用
目的 探讨混合线性模型在有关军事训练重复测量资料分析中的价值. 方法 采用SAS软件中的MIXED过程对部队士兵进行100 m跑前后各时间点采集的心率、血氧饱和度进行分析. 结果 混合线性模型对数据的完整性、反应变量的独立性和方差齐性不作要求,从而扩大了线性模型的适用范围,而且能得到个体化的分析结果,大大提高了现有资料的利用效率. 结论 混合线性模型能对军事训练中获取的重复测量资料准确、全面地进行分析,为部队改进训练方法、增强战斗力服务,因此,具有很高的应用价值.