首页 > 文献资料
-
应用结构方程模型评估中医方案优化指标体系
目的:研究中医临床治疗性研究方案优化指标体系中关键因素的关系及各关键因素对中医临床治疗性研究方案优化的影响程度.方法:以“十一五”国家科技支撑计划重大项目“重大疑难疾病中医防治研究”课题的中医临床研究方案优化专家评价资料为基础,采用结构方程模型方法研究中医临床治疗性研究方案优化指标体系中关键因素的关系及各关键因素对中医临床治疗性研究方案优化的影响程度.结果:中医临床治疗性方案优化可由5个一阶因素(研究设计合理程度、治疗方案合理程度、疗效评价合理程度、质量控制合理性程度及伦理管理合理程度)及一个高阶共同因素(中医临床治疗性方案优化程度)解释其内在关系.5个一阶因素之间,除质量控制合理程度与伦理管理合理程度之外,均存在相关关系；在构成中医临床治疗性研究方案优化指标体系的潜变量中,研究设计合理程度的路径系数大.结论:应用结构方程模型对中医临床治疗性研究方案优化指标体系进行评估是可行的；5个一阶因素之间,除质量控制合理程度与伦理管理合理程度之外,均存在相关关系；在构成中医临床治疗性研究方案优化指标体系的不同因素中,研究设计是中医临床治疗性研究方案优化的关键因素.
-
基于结构方程模型的中药复方配伍机制研究
“君臣佐使”是中药复方配伍的基本结构,是在中医药学理论指导下派生而来的用以解释传统复方作用机制的重要原则.中药复方药效具有多靶点的特性,用不同的药效指标评价复方配伍机制并不完全一致.结构方程模型可将复方各药效指标整合为综合药效,并基于研究者的先验知识预先设定因子间的依赖关系,不仅能够判别各因子之间的路径系数,还能对整体模型进行拟合和判断.文章首先介绍复方配伍的基本内容,然后阐述了应用结构方程(SEM)建模分析步骤,后基于AMOS软件,以苓桂术甘汤为例展示其在复方配伍机制研究中的应用.
-
基于中医临床数据的潜变量建模分析
目的 结构方程模型(structural equation model,SEM)是一种建立、估计和检验因果关系的潜变量建模方法,目前在心理、教育和社会科学等学科领域中得到广泛的应用.中医临床数据中蕴含着许多重要但无法直接测量的潜变量(如证候),传统的一阶验证性因子分析方法仅能够分析单层次潜变量与症状指标间的相关性.本文提出基于中医临床数据的二阶验证性因子分析潜变量建模方法,对两个层次的证候及其症状指标进行相关性分析,从而为医生进一步定量理解疾病进展规律提供一定帮助.方法 针对非小细胞肺癌中医临床数据特点,将中医证候和虚实辨证证候作为两阶因子,对其与症状指标进行潜变量建模分析.结果 实验结果验证了非小细胞肺癌临床数据中的中医证候与虚实辨证证候及其与不同症状指标的相关关系.结论 中医证候与虚实辨证证候以及症状指标间存在一定的内在相关规律,本研究对中医证候的规范化影响具有一定的意义.
-
基于潜变量Gibbs抽样的Probit回归
Probit回归先由Bliss在1934年提出[1],在进行杀虫剂的毒理实验时,Bliss发现了一个有趣的现象:无论他配制的杀虫剂浓度有多高,在用药之后总会有一两只昆虫还活着;无论他怎么稀释杀虫剂,即便只是用装过杀虫剂的容器,试验结果也总会有几只昆虫死掉.Bliss原创性地采用概率分布这种新的数学思想来解决杀虫剂实验时所遭遇的困境.
-
结构方程模型原理及其应用注意事项
结构方程模型(Structural Equation Model,SEM),又称协方差结构模型(Covariance Structure Modeling,CSM),它主要是在心理、行为、教育和社会科学等学科的实际应用中发展起来的一个研究方向.到20世纪80年代,结构方程这一新的数据分析系统已在社会科学等领域得到广泛的应用,并被称为近年来统计学三大发展之一[1].结构方程模型弥补了传统统计方法的不足,它不仅可对某个领域中各种因素之间的关系进行研究,而且可对潜变量之间的相关关系,甚至因果关系进行研究,因而,近几年在医学领域中应用逐渐增多[2-6].为了让医学工作者对其有更多的了解,以及在医学领域中更好地运用它,现对结构方程模型的原理、分析步骤及其应用时的注意事项介绍如下.
-
结构方程模型在医学研究中的应用及对护理研究的启示
结构方程模型(structurall equation modeling,SEM)是基于变量的协方差矩阵来分析变量之间关系的一种统计方法,也称为协方差结构分析[1].它将一些无法直接观测而又欲研究探讨的问题作为潜变量,通过一些可以直接观测的显变量(指标)反映这些潜变量,从而建立起潜变量之间的关系.SEM是一种复合统计分析方法,是因素分析与多元回归分析的有机结合,能同时处理多个变量,分析复杂变量问的关系,比较多个模犁并找出优模型[2].近年来,SEM在处理多种数据方面的优异能力逐渐得到医学研究工作者的认识和青睐,越来越多运用SEM方法进行医学研究的论文得以出现.
-
在亚健康状态研究中运用结构方程模型的合理性
亚健康状态是处于健康与疾病之间的一种"非病但非健康"的中间状态,主要表现为躯体、心理和社会适应等方面的不适,目前尚没有公认的概念和测量诊断工具.由于亚健康状态研究数据中舍有潜变量、测量误差以及变量间关系需要确定等因素,不能使用传统的统计学方法进行处理.结构方程模型能够同时处理观测变量、潜变量、测量误差及变量间的关系,应用结构方程模型验证亚健康状况测量量表的结构效度和亚健康状态理论模型是非常合理的.
-
用结构方程模型探索卫生事业管理专业方向学生数学素养对专业课程和学业成就的影响
目的:从定量角度探索卫生事业管理专业方向学生数学素养对专业课程和学业成就的影响.方法:利用学生的成绩资料构建数学素养、专业基础课程、专业必修课程和学业成就之间的结构方程模型.结果:数学素养对专业基础课、专业必修课、学业成就标准化总效应分别为0.803、0.615、0.265.结论:学生的数学素养对其专业课程的学习和学业成就有较大影响,卫生事业管理专业开设一定数量的与数学有关的课程很有必要.
-
基于潜变量构建高维单核苷酸多态性基因关联模型
在后基因组时代,单核苷酸多态性(single-nu-cleotide polymorphisms,SNPs)研究已成为生物医学许多研究领域的焦点.随着基因分型技术的发展与成熟,基于大规模SNPs基因分型数据的全基因组关联(genome-wide association,GWA)分析成为多基因复杂疾病遗传易感性和基因定位研究的主要方法.
-
结构方程建模中的题目打包策略
结构方程建模中题目打包法的优缺点包括:指标数据质量变好、模型拟合程度提高；估计偏差不大,可校正.估计稳定,但降低了敏感性与可证伪性.打包法的前提条件是单维、同质,适合结构模型分析,不适合测量模型分析.对于单维测验,给出了一个打包流程.对于通常的多个子量表(多维结构)测验,推荐在子量表内打包,每个子量表打包成1个指标或者3个指标,用于结构方程建模.
