首页 > 文献资料
-
广义线性混合模型在传染病流行病学研究中的应用
现代统计学的重要模型——广义线性混合模型(Generalized Linear Mixed Models,GLMM),在传染病流行病学研究中应用广泛,可用于分析重复测量、簇群聚集以及空间聚集分布等资料,如队列研究、多中心临床试验、传染病的横断面调查等.现介绍GLMM的原理,并用统计分析系统软件进行实例模拟.与传统固定效应广义线性模型相比,GLMM拟合模型简单、结果 稳定可靠,更适合在传染病流行病学研究中应用.
-
胃食管反流病患者全瓷冠肩台位置对边缘适合性的影响
目的:研究胃食管反流病患者肩台位置对全瓷冠边缘适合性的影响.方法:选择2014年5月至2015年5月在北京同仁医院就诊,具有全瓷单冠修复体的123例纳入研究.采用直接和间接修复体评估标准对全瓷冠的边缘适合性进行评估,并且记录肩台的位置.使用广义线性混合模型分析胃食管反流病、肩台位置对全瓷冠边缘适合性的影响.结果:123例研究对象334颗全瓷冠纳入研究,其中胃食管反流病患者有62例(164颗全瓷冠),正常人群有61例(170颗全瓷冠).正常人群中全瓷冠的适合性好于胃食管反流病患者(aOR=2.606,P=0.009),所有研究对象中全瓷冠肩台位于龈上(aOR=3.212,P=0.001)的边缘适合性好.结论:胃食管反流病影响全瓷冠边缘适合性,龈上肩台的边缘设计全瓷冠边缘适合性好,龈上肩台设计推荐在胃食管反流病患者使用.
-
基于广义线性混合模型医院服务质量评估的研究
目的：旨在利用广义线性混合模型对医院疾病的服务质量进行评估，探索一种高效优质的诊疗模式，为医院管理者提供决策支持。方法：对区域医疗卫生大数据平台的健康档案数据进行整理分析，制定评价指标体系，构建分析模型，然后利用R语言对数据进行统计分析。结果：疾病的治愈情况与医院的综合情况、病人的性别和年龄、保险的种类及DRGs的种类之间有统计学意义（p<0.01），通过对疾病治愈情况的动态监测，可以分析出以下几点：不同疾病在各医院的诊疗情况；同种疾病在不同医院的诊疗情况；同一医院不同疾病的诊疗情况。结论：广义线性混合模型能够准确高效的评价医院疾病诊疗状况，从而提高医院综合竞争，实现可持续、健康发展。
-
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,P＜0.05)、性别(OR=0.723,P＜0.05)、年龄(OR=0.991,P＜0.05)、学历(OR=0.694,P＜0.05)、岗位(OR=0.745,P＜0.05)、在食堂用餐天数(OR=1.685～2.590,P＜0.05)、职工健康知识水平(OR=1.099,P＜0.05)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(P＜0.05).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,P＜0.05)、在食堂用餐时间(OR=2.336～2.655,P＜0.05)和膳食知识得分(OR=1.135,P＜0.05)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.
关键词： 广义线性混合模型 Logistic回归 层次结构数据 -
群组对照试验中应用倾向得分匹配法分析数据对干预效果评价的影响
目的 探讨应用倾向评分匹配法(propensity score matching,PSM)处理群组平行对照试验中横断面调查数据对于预效果评估的影响.方法 以某“十二五”国家科技重大专项的子课题“低档暗娼减少性病艾滋病感染干预研究”数据为例,应用PSM法对干预前后两次横断面调查的低档暗娼人群数据进行匹配,对匹配后样本开展结局变量x2检验并拟合广义线性混合模型(generalized linear mixed models,GLMM),讨论PSM法对评估结果的影响.结果 以存在显著差别的关键特征变量作为匹配因素进行PSM后,样本量为537,干预前后的两个人群完全可比.GLMM分析结果表明,干预是梅毒感染率降低的主要因素.PSM后数据拟合模型获得的OR值为0.33,与原始数据得到的OR值(0.51)相比降低了0.18,而且前者获得的95％ CI(0.16 ～0.70)比后者(0.27 ～0.96)更窄,更远离1,将干预措施降低梅毒感染风险的效果从49％提高到了67％.结论 PSM法用于系列横断面调查的群组对照干预试验,可以有效提高不同调查人群之间的可比性,降低人群差异对效果评估的影响,从而提高研究结果的准确性.
-
脑卒中发病与环境因素的相关性分析
目的：分析脑卒中发病与环境因素的关系，提出预防脑卒中的建议和方案。方法：选用2012年“高教社”杯全国大学生数学建模竞赛C题的数据，数据来源于中国某城市各家医院2007年1月～2010年12月的脑卒中发病病例信息以及相应期间当地的逐日气象资料。用Excel和SPSS9．1软件统计发病人群在不同性别、年龄、职业的分布情况，建立广义线性混合模型，用 SAS 9．2版本中的glimmix 过程做广义线性混合模型分析。结果：统计分析发现，2007～2010年间该地区脑卒中发病男女比值平均为1．173，发病人群年龄呈偏态分布，发病人群职业集中在农民、退休人员及工人。另外，统计分析结果还表明平均气压与发病数呈正相关（P＜0．05），平均气温与发病数呈负相关（P＜0．05），平均湿度与发病数呈负相关（P＜0．05）。结论：冬季气压偏高、温度低、空气干燥是脑中卒的发病高峰期，所以冬季高血压等疾病患者应积极采取预防措施。同时，医疗卫生部门应加强疾病的宣传与治疗，降低脑卒中发病率、致残率、死亡率。
-
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(Muhilevel statistical Models,MLM)分析重复测量资料的效果.方法 采用SAS9.4和ML-wiN2.26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=nn)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.
