本文關(guān)鍵詞：縱向研究二分類數(shù)據(jù)非隨機(jī)缺失邊際條件線性模型及其應(yīng)用

  更多相關(guān)文章： 邊際條件線性模型 縱向二分類數(shù)據(jù) 非隨機(jī)缺失 敏感性分析

【摘要】：縱向研究是指在較長(zhǎng)一段時(shí)間內(nèi)對(duì)同一個(gè)體進(jìn)行多次、連續(xù)監(jiān)測(cè)的研究,隨著醫(yī)學(xué)模式的改變,社區(qū)醫(yī)學(xué)、心理學(xué)以及公共衛(wèi)生等領(lǐng)域縱向研究工作與項(xiàng)目資料的分析方法引起了研究者們的關(guān)注�？v向監(jiān)測(cè)二分類資料往往由于監(jiān)測(cè)時(shí)間較長(zhǎng),研究對(duì)象對(duì)研究失去興趣,或由于患者的病情惡化,導(dǎo)致中途退出研究而形成數(shù)據(jù)缺失。對(duì)于非隨機(jī)缺失的縱向二分類資料研究,常選用選擇模型、共享參數(shù)模型和模式混合模型。由于這些模型僅考慮了固定時(shí)間點(diǎn)上的缺失,關(guān)于實(shí)際調(diào)查過(guò)程中,不能按規(guī)定時(shí)間接受調(diào)查,即數(shù)據(jù)的缺失發(fā)生在調(diào)查期內(nèi)任意時(shí)間點(diǎn)缺失問(wèn)題的研究為社區(qū)醫(yī)學(xué)研究提出了新課題。 本文擬針對(duì)社區(qū)縱向監(jiān)測(cè)過(guò)程中監(jiān)測(cè)數(shù)據(jù)存在的非隨機(jī)缺失問(wèn)題,且缺失時(shí)間為連續(xù)型分布的縱向二分類監(jiān)測(cè)資料,在闡明模式混合模型原理的基礎(chǔ)上,采用貝葉斯估計(jì)理論與方法,進(jìn)一步探索邊際條件線性模型(marginalized conditional linear model,MCLM)的構(gòu)建,基于邊際均值、條件均值以及相關(guān)性結(jié)構(gòu),將模型參數(shù)看作是隨觀測(cè)時(shí)間變化的線性或二次方函數(shù),完成其軟件編程與實(shí)現(xiàn)。在非隨機(jī)缺失縱向二分類數(shù)據(jù)模型分析中,該模型既考慮了協(xié)變量與應(yīng)變量之間以及二分類應(yīng)變量之間的關(guān)系,同時(shí)也考慮了二分類響應(yīng)變量與缺失時(shí)間之間的關(guān)系。既解決了模式混合模型中缺失時(shí)間為離散分布的問(wèn)題,也解決了缺失可以發(fā)生在觀察期內(nèi)任意時(shí)間點(diǎn)的連續(xù)型分布的問(wèn)題,充分地利用了每個(gè)個(gè)體缺失時(shí)間提供的信息。不僅可以反映縱向連續(xù)監(jiān)測(cè)時(shí)點(diǎn)上動(dòng)態(tài)變化趨勢(shì),而且可以表明不同個(gè)體間變化的特征差異。 為解決邊際條件線性模型的理論研究與應(yīng)用問(wèn)題,本課題進(jìn)行了不同樣本含量和缺失比例條件下的模擬研究,并以全國(guó)社區(qū)高血壓規(guī)范化管理太原分中心社區(qū)監(jiān)測(cè)資料為例,完成了模型構(gòu)建,設(shè)定不同的敏感性參數(shù)進(jìn)行了敏感性分析,實(shí)現(xiàn)軟件編程與分析等。主要結(jié)果小結(jié)如下： 1、不同樣本量和缺失比例條件下,模擬證實(shí)邊際條件線性模型參數(shù)估計(jì)更準(zhǔn)確 本文設(shè)定缺失比例分別為10%-90%,樣本含量在30-1000之間,對(duì)模型進(jìn)行模擬研究,結(jié)果表明：當(dāng)樣本含量一定時(shí),缺失比例越大,參數(shù)估計(jì)值的標(biāo)準(zhǔn)誤越大；當(dāng)缺失比例一定時(shí),隨著樣本含量的增大,參數(shù)估計(jì)值越接近于真值,其估計(jì)值的標(biāo)準(zhǔn)誤越來(lái)越小。當(dāng)樣本含量在300以下時(shí),不同缺失比例參數(shù)估計(jì)值不穩(wěn)定,當(dāng)樣本含量大于300時(shí),不同缺失比例下參數(shù)估計(jì)值相差不大,模擬結(jié)果進(jìn)一步證實(shí)了樣本含量在300以上時(shí),邊際條件線性模型對(duì)縱向二分類非隨機(jī)缺失數(shù)據(jù)參數(shù)估計(jì)結(jié)果更準(zhǔn)確。 2、邊際條件線性模型擬合太原市社區(qū)高血壓規(guī)范化管理資料結(jié)果分析解釋更客觀準(zhǔn)確 利用太原市社區(qū)高血壓規(guī)范化管理監(jiān)測(cè)數(shù)據(jù),構(gòu)建邊際條件線性模型,結(jié)果表明年齡、體重指數(shù)參數(shù)均隨缺失時(shí)間而變化,早期缺失和晚期缺失具有不同的模型參數(shù)估計(jì)值。年齡參數(shù)隨缺失時(shí)間呈上升趨勢(shì),參數(shù)估計(jì)值為正,表明年齡越大,高血壓患者血壓控制的效果越差,后期出現(xiàn)數(shù)據(jù)缺失的高血壓患者尤為明顯,年齡較大的高血壓患者,其血壓值多為異常。體重指數(shù)參數(shù)隨缺失時(shí)間呈上升趨勢(shì),說(shuō)明晚期數(shù)據(jù)缺失的超重者,其血壓值多為異常。不同中心參數(shù)隨缺失時(shí)間基本保持不變,與中心1相比,中心3高血壓患者血壓控制效果較好,而中心2和中心4血壓控制效果較差。 3、敏感性分析表明邊際條件線性模型對(duì)社區(qū)高血壓缺失數(shù)據(jù)分析結(jié)果更合理 本課題選取社區(qū)1和社區(qū)2不同性別高血壓患者進(jìn)行敏感性分析,設(shè)其敏感性參數(shù)分別為a1和a2,取3組不同的敏感性參數(shù)值分別為a1=0,a2=2;a1=2, a2=0和a1=2,a2=2。敏感性分析結(jié)果提示,不同敏感性參數(shù)邊際條件線性模型,對(duì)男女社區(qū)規(guī)范化管理的高血壓患者血壓值變化量的估計(jì)結(jié)果相近。表明邊際條件線性模型對(duì)太原市社區(qū)高血壓規(guī)范化管理含有缺失的監(jiān)測(cè)數(shù)據(jù)分析結(jié)果更趨合理。進(jìn)一步證實(shí)了邊際條件線性模型對(duì)含有信息缺失數(shù)據(jù)的參數(shù)估計(jì)效果較好。 4.WinBUGS軟件可方便地解決復(fù)雜模型和分布問(wèn)題的貝葉斯推斷 實(shí)例驗(yàn)證分析表明,WinBUGS不僅可用有向圖模型進(jìn)行直觀的描述,而且能夠給出參數(shù)的Gibbs抽樣動(dòng)態(tài)圖,使抽樣結(jié)果更直觀,同時(shí)能方便地得到參數(shù)后驗(yàn)分布的均數(shù)及95%置信區(qū)間。但由于WinBUGS軟件對(duì)數(shù)據(jù)格式要求嚴(yán)格,而且數(shù)據(jù)的儲(chǔ)存空間有限,當(dāng)數(shù)據(jù)較大時(shí),直接在WinBUGS中進(jìn)行數(shù)據(jù)分析會(huì)帶來(lái)不便。本文通過(guò)R軟件編程,調(diào)用WinBUGS軟件包,編程完成了社區(qū)高血壓縱向監(jiān)測(cè)二分類資料分析,進(jìn)一步提示,非隨機(jī)缺失邊際條件線性模型在WinBUGS與SAS軟件有機(jī)結(jié)合條件下,易于編程實(shí)現(xiàn),結(jié)果解釋更穩(wěn)健。
【關(guān)鍵詞】：邊際條件線性模型 縱向二分類數(shù)據(jù) 非隨機(jī)缺失 敏感性分析
【學(xué)位授予單位】：山西醫(yī)科大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：R181
【目錄】：

• 中文摘要5-8
• Abstract8-11
• 第一章 前言11-14
• 第二章 原理與方法14-18
• 2.1 縱向數(shù)據(jù)非隨機(jī)缺失機(jī)制14-15
• 2.2 邊際條件線性模型的基本原理15-16
• 2.3 參數(shù)估計(jì)16-17
• 2.4 敏感性分析17-18
• 第三章 模擬證實(shí)研究18-22
• 第四章 實(shí)例驗(yàn)證22-34
• 4.1 太原市四社區(qū)規(guī)范化管理高血壓患者基線資料分析22
• 4.2 太原市四社區(qū)規(guī)范化管理高血壓監(jiān)測(cè)資料分析22-26
• 4.3 四社區(qū)高血壓管理縱向監(jiān)測(cè)資料邊際條件線性模型應(yīng)用26-32
• 4.4 敏感性分析32-34
• 第五章 討論34-37
• 第六章 小結(jié)37-38
• 參考文獻(xiàn)38-41
• 個(gè)人簡(jiǎn)歷41-42
• 攻讀學(xué)位期間發(fā)表論文情況42-43
• 致謝43

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 孟海英;劉桂芬;羅天娥;;WinBUGS軟件應(yīng)用[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2006年04期

，

本文編號(hào)：598681