首页 > 文献资料
-
影响因子（impact factor）
影响因子是美国科学信息情报研究所（Institute?for?Scientific?Information,ISI）的期刊引证报告（JCR）中的一项数据。指的是某一期刊的文章在特定年份或时期被引用的频率，是衡量学术期刊影响力的一个重要指标。是用该期刊前2年发表论文在当年被引用的次数除以该期刊前2年发表论文的总数所得到的值。可以用来评估同一研究领域不同期刊的相对重要性。这是一个国际上通行的期刊评价指标。
-
大同市城区疾病监测点1996～2000年居民早死原因分析
近年来，国内外许多学者将潜在寿命损失年数(PYLL)指标应用于死因分析，评估导致某人群“早死”(即可能的寿命损失年数)的各死因的相对重要性。为了解当前本地居民的死亡率水平和病伤死因模式，以便为有关部门制定预防和控制疾病的重点和策……
-
驱动压力与急性呼吸窘迫综合征患者存活率的关系
保护性通气策略即使用较低的吸气末气道压力、较低的潮气量（VT）、高呼气末正压（PEEP）改善急性呼吸窘迫综合征（ARDS）患者的存活率，但这些通气参数的相对重要性是不确定的。因呼吸系统顺应性（Crs）与VT（即疾病状态下剩余的功能肺）密切相关（称为功能肺大小），有学者认为，与VT或PEEP相比，驱动压力（ΔP＝VT / Crs）与患者生存的关系更为密切。因此他们进行了一项二次研究，使用被称为多层调解分析的一种统计工具从先前报道的9个随机对照试验中分析3562例患者的数据，研究ΔP与存活率的相关性。结果显示：变量ΔP与存活率密切相关。当ΔP每增加1个标准差（约7 cmH2O，1 cmH2O＝0.098 kPa）时即可导致病死率增加〔相对危险度（RR）＝1.41，95%可信区间（95%CI）＝1.31～1.51，P＜0.001〕，即使在接受“保护”的气道压力和VT的患者也同样如此（RR＝1.36，95%CI＝1.17～1.58，P＜0.001）。随机分组后VT和PEEP的单独改变均不与存活率独立相关，当它们的变化导致ΔP减少时才与存活率具有相关性。该研究发现ΔP是好的风险分层指标；呼吸机设置时以ΔP减少为目标的通气策略与增加ARDS患者存活率密切相关。
-
线性回归模型中自变量相对重要性的衡量
线性回归模型在实际应用中经常用到,通常研究者需要在多个自变量中分析哪个自变量对y的影响大,哪个对y的影响小,即对自变量的相对重要性进行衡量.在实际工作中,标准化的回归系数、t统计量或P值等是常用的指标.偏回归系数、相关系数及其平方、半偏相关系数及其平方、偏回归平方和等指标都与自变量的相对重要性有关.Dalington[1]认为,如果目的是探索影响因素,偏回归系数是衡量影响力较好的选择.如果用于预测,则半偏相关系数的平方或F统计量是较好的选择.Greenland[-3]和Newman[4]对标准化的回归系数是否适合衡量效应量的大小进行辩论,Newman为标准化的回归系数进行辩护,Greenland 认为标准化的回归系数会受到自变量变异的影响,不适合衡量效应量的大小.
-
自变量相对重要性评价中优势分析法和相对权重法的模拟比较
目的 比较和评价不同实验条件下优势分析法与相对权重法在估计自变量相对重要性时的指标差异,探索影响两方法的估计结果差异的因素.方法 通过设置不同相关程度、自变量共线性水平及自变量个数等因子,模拟产生64000个不同实验条件下的实验数据,通过分析得出两种方法估计的自变量重要性的估计值及结果排序的一致性的差异.结果所有实验条件下估计值差值均值呈偏态分布,P5～P95百分位数区间不包含0.重要性排序结果的一致性检验Kendall丁均值为0.949,标准差0.05.结论 两方法的重要性估计值差异虽小却不容忽视,优势分析法的估计结果比相对权重普遍略偏大,Kendallτ的回归分析表明自变量个数是影响两方法重要性估计结果排序的主要因子.自变量有无子集划分不影响方法间一致性.
-
相对权重法在线性模型自变量相对重要性中的估计及其应用
目的 在多元线性回归模型中,估计自变量的相对重要性.方法 运用相对权重法估计各变量的相对重要性,并应用于肝手术病人预计存活时间影响因素的评价.结果 血凝素、预后指数、酶功能的相对权重分别为:0.142、0.341、0.489；各变量对存活时间的贡献比例分别为:14.6％、35.1％、50.3％.结论 酶功能对肝手术病人预计存活时间的影响大,其次为预后指数,血凝素小.当自变量间存在相关时,相对权重法估计的自变量相对重要性结果更稳定精确,更加符合实际情况.
-
样本量及抽样过程对线性模型中自变量重要性估计方法的影响研究
目的 通过从同一总体中抽样产生不同样本量及相同样本量的重复抽样数据集,来观察并评价样本量对重要性估计方法的影响以及重复抽样过程对各方法估计稳定性的影响.方法 简单介绍已有的几种重要性评价方法,调用SAS中的PROC SURVEYSELECT过程从同一总体中重复抽样,观察样本量变化、重复抽样过程对重要性估计结果的影响,评价各方法的稳定性.结果 样本量较小时,各方法的重要性估计值变异较大,随着样本量增大估计值也逐渐趋于稳定.优势分析、相对权重、乘积尺度(βr)的重要性估计值之和与模型R2之差,小于标准回归系数平方(β2)、简单相关系数平方(R2),优势分析法的稳定性好.结论 在现有的几种常见重要性估计方法中,优势分析法的重要性估计稳定性好,相对权重法虽然与优势分析法为接近,但仍有不足之处.
-
抚顺市1995～2000年城市居民主要死因与潜在减寿年数分析
为了解抚顺市城市居民的健康状况和主要的卫生问题,本文利用死亡率、死因构成、潜在减寿年数等指标对抚顺市1995～2000年死亡监测资料进行了分析,针对主要致死性疾病提出了相应的防治对策,并对不同死因导致寿命损失的相对重要性也做出了初步的评价,籍此为当地卫生决策层确定卫生资源的合理分配及卫生干预的重点领域提供科学的依据.
-
Excel在通径分析中的应用
通径分析是衡量原因变量对结果变量相对重要性的一种多元统计分析方法.文献中常利用SAS、SPSS等软件进行通径分析,笔者发现在Excel内进行通径分析简单、快捷,本文以一实例介绍这一方法.
-
线性模型中自变量相对重要性常见估计方法的模拟比较研究
目的 比较和评价不同实验条件下常见估计方法在估计自变量相对重要性时的指标差异,探索影响各方法的估计结果差异的因素.方法 通过设置不同相关程度、自变量共线性水平及自变量个数等因子,使用改进后的大规模模拟研究观察不同方法间自变量估计值.结果 优势分析、相对权重、乘积尺度的重要性估计值之和与模型R2之差,小于标准回归系数平方、简单相关系数平方.在2400个重要性指标值中,乘积尺度法估计的负值达到229个(9.54％).相关系数平方估计值小于优势分析法.标准回归系数平方出现较多极端值.自变量间共线性水平可解释平均Kendallτ 值4％～25％的变异,样本量可解释20％~77％的变异,而自变量个数可解释14％～ 60％的变异.结论 对自变量重要性估计结果的影响大的两个因子是样本量和自变量个数,其次有共线性水平和自变量与因变量间的相关程度.标准回归系数平方的估计结果变异性大,相对权重与优势分析的估计结果是相对"有偏"的.
-
优序图和层次分析法在确定权重时的比较研究及应用
确定权重的方法很多，比如特尔斐法(Delphi法)、层次分析法、专家一次评定法、专家预测法、定性定量的权数确定法等〔1～5〕。但由于各种方法自身存在的一些特性，常常给实际操作带来很大难度，为此，我们通过对优序图和层次分析法的比较研究，发现优序图用于确定权重时，具有简便、结果可靠、容易理解、便于管理者和使用者掌握及推广应用等优点。层次分析法和优序图简介 层次分析法(The Analytic Hierarchy Process，简称AHP)是美国运筹学家萨迪(T.L.Saaty)教授基于在决策中大量因素无法定量地表达出来而又无法回避决策过程中决策者的选择和判断所起的决定作用于七十年代初期提出的。层次分析法〔6～8〕在应用时首先要明确所要终解决的问题，然后建立包含有高层、中间层和低层组合排序的层次分析结构模型。它的信息主要基于人们对于每一层次中各因素相对重要性做出判断，这种判断通过引入1～9比率标度(表1)进行定量化，就形成了判断矩阵(表2)。该判断矩阵必须满足以下三个特性：
-
地方性克汀病影响因素的灰色关联分析
在病因研究中,笔者曾试用灰色关联分析方法探讨高血压发病的影响因素[1].本文用该方法分析了地方性克汀病(地克病)诸多影响因素(碘缺乏、营养、年龄、遗传等)的相对重要性,结果满意.1 资料来源与方法1.1 本资料的检测方法与原始数据来源于文献[2].山东省某县在普查地克病及亚地克病基础上,对4366人缺碘、营养情况、年龄、遗传等内容调查,其中缺碘1 701人、营养差1829人、有家族史1838人、18岁以下1864人.
-
对策理论在线性回归模型自变量重要性估计中的分析及应用
目的 基于对策理论中求解Shapley值法构建在线性回归模型中当自变量存在多重共线性时求解自变量相对重要性的方法,同时提出自变量的序列重要性偏R2值的概念.方法 应用Shapley在1953年提出的对策理论中求解Shapley值法,以757例正常人的白细胞(WBC)、红细胞(RBC)、血小板(PLT)及红细胞压积(HCT)4项血常规指标作为自变量,分析这些指标对血红蛋白(HB)的相对重要性大小以及分析序列重要性偏R2值的实际意义.后将估计结果和传统的指标及现推荐的指标进行比较.结果 后进入回归模型的自变量有RBC、PLT和HCT,对HB的相对重要性估计值分别为0.355 3、0.012 4、0.553 8,用Shapley值法估计的自变量相对重要性值与现为推荐的优势分析法的估计结果一致.自变量以不同的次序进入回归模型的序列重要性偏R2值不同.结论 HCT对HB的影响大,其次是RBC,PLT影响较小,结果与相关性排序一致,说明用Shapley值法估计自变量的相对重要性具有合理性.
-
不同频段时域包络信息在言语识别中相对重要性的研究进展
言语信号中的时域信息根据其随时间变化的速率可以分为时域包络信息、周期性波动信息和时域精细结构信息.时域包络信息在言语识别中占有重要地位,是如今大部分人工耳蜗可以传递给其使用者的言语信息.研究表明不同频段的时域包络信息在言语识别中的作用并不相同.受测试材料、研究方法、聆听环境、提取时域包络信息的参数的影响,不同频段时域包络信息的相对重要性也会随之改变.文章主要就不同频段时域包络信息在言语识别中相对重要性的研究方法以及各种方法的优缺点和研究结果进行综述,并初步探讨了非声调语言与声调语言不同频段时域包络信息在言语识别中相对重要性差异的原因.
-
缺血性脑水肿
缺血性脑水肿似乎涉及截然不同的两个过程,其相对促成作用和时间过程取决于缺血的持续时间、严重程度以及是否再灌注.第一个过程涉及组织中Na+和水含量的增加,同时伴胞饮作用增强和跨内皮细胞Na+,K+-ATP酶活性增高,这在梗死早期和出现明显的结构损伤之前非常明显,再灌注可加剧这一现象.第二个过程是脑实质和血管系统本身梗死引起的更加广泛的迟发性血脑屏障(BBB)受损所致.在第二阶段,虽然组织Na+水平似乎仍然是水肿形成的主要渗透力量,但血清蛋白酶的渗出是另一潜在的有害因素.尽管蛋白酶作用的相对重要性还不清楚,但细胞外基质的降解确实可导致BBB的进一步破坏和组织软化,这一阶段的特征以脑肿胀为明显.许多因素可参与和调节缺血性脑水肿的形成,但目前的大部分信息来自于实验模型,仍缺乏来自微观水平的临床资料.有临床意义的脑水肿通常在大面积半球卒中后以迟发性方式出现,是病死率高的一个原因.在检测和评价卒中后水肿引起的继发性损伤方面,神经体征的重要性至少与直接颅内压(ICP)测量和神经影像学检查相当.然而,卒中的神经影像学特征,尤其是早期发现大脑中动脉区域受累超过1/2对随后数小时和数天严重脑水肿的形成具有很高的预测价值.尚无有效的内科治疗能够确实消除脑水肿和ICP升高,在大多数情况下,这些治疗充其量只是在勉强应付而已.半侧颅骨切除术似乎是能够使患者避免死于脑受压的有希望的一种方法,但手术的佳时机和选择患者的方式目前还在研究之中.所有治疗广泛性缺血性脑肿胀的方法都笼罩在患者虽然存活但功能转归可能很差的阴影之下.通过控制血压,给予选择性液体控制血清渗透压以及控制其他加重脑水肿的全身性因素是可能的.因此,在这里也给出了宽泛的治疗卒中后脑水肿的指南.
-
应用CV2估计危险因素的重要性
通过研究人群中个体发病危险变异系数(CV2)来反映危险因素对人群发病的作用大小;系统地介绍了CV2的单因素估计方法,应用分层方法和统计模型拟合资料后记分函数探讨了多因素条件下CV2的估计方法,并应用于饮酒与食管癌发病关系的病例对照研究资料的分析,分别估计了不同年龄组人群饮酒对食管癌发病的重要性(CV2值),且与人群归因比例估计方法和估计结果进行了比较研究;可以认为人群CV2可克服人群归因比较估计中基线水平对估计结果的影响,在流行病学研究中可作为评价危险因素对人群发病重要性的指标,并可补充相对危险度和人群归因比例的不足.
-
线性模型中自变量相对重要性估计
目的:在多元线性模型中,估计各自变量的相对重要性.方法:应用可解释方差比例的思想和平均序列的方法估计各自变量的相对重要性.结果:自变量不同影响序列下,多维协变量中各自变量所解释的方差比例不同.结论:ρ2可以作为评估已知序列自变量相对重要性的指标.对于未知序列各自变量相对重要性的估计,可应用平均的思想求其平均序列的ρ2,来作为衡量自变量重要性的指标.
-
线性模型中自变量相对重要性优势分析法估计及其应用
目的 在多元线性回归模型中,估计各自变量的相对重要性,并探索区间估计方法.方法在自变量间存在相关时,运用Budescu(1993),Azen(2003)提出的优势分析法估计肝手术病例预计存活时间的影响因素重要性,并运用Bootstrap法探索区间估计方法以此来评价估计结果的变异性.结果 血凝素、预后指数、酶功能对预计存活时间的相对贡献分别为0.1415、0.3408和0.490,其Bootstrap法95%可信区间分别为(0.0573,0.2744)、(0.2359,0.4545)和(0.3411,0.6090).结论 酶功能对肝手术病例预计存活时间的影响大,预后指数次之,血凝素小.当自变量间存在相关时,优势分析法估计的自变量相对重要性结果更精确稳定,值得推广应用.
-
Logistic回归模型中自变量相对重要性的优势分析
目的 应用扩展优势分析方法于Logistic回归模型中,为研究者在确定模型中自变量相对重要性提供一种可选择的方法.方法 通过计算和比较与某自变量有关的所有可能子模型(即含有该变量的不同组合)的平均贡献增量△R2,以评价该自变量的相对重要性,并应用于实例分析.结果 优势分析所得的各变量的总平均贡献之和等于终模型的决定系数,其重要性排序与标准回归系数的排序不同,且R2M和R2E更适合作为优势分析的指标.结论 优势分析可将各自变量对因变量总方差的贡献,分解为已解释方差百分比,且独立于模型,能精确地衡量自变量的相对重要性.
关键词： 优势分析 相对重要性 Logistic回归 -
模拟研究在线性模型自变量相对重要性估计中的应用
在卫生、经济等领域中,多元回归常用来探索解释因变量变异的优模型,但却无法清晰的区分模型中每一个自变量对因变量变异所做的贡献,因此,如何分析和解释线性模型中自变量对因变量变异的贡献一直是研究者关注并争论的话题.当研究中自变量之间相互独立时,可以应用简单相关系数,标准回归系数与偏回归系数等指标.如果自变量之间互相存在关联时,自变量相对重要性估计变得较为复杂.数十年来,国外不同学者相继提出了乘积尺度、优势分析、相对权重、比例边缘方差分解(PMVD)等估计方法.
