【摘要】：區(qū)間刪失是臨床隨訪研究中除右刪失之外普遍存在的數(shù)據(jù)刪失情形。Cox比例風(fēng)險回歸模型是分析隨訪數(shù)據(jù)中生存分布與其影響因素的重要方法。對于包含區(qū)間刪失的數(shù)據(jù),采用簡單填補法如刪失區(qū)間的左端點或中點進行填補之后,可以采用常規(guī)的偏似然函數(shù)對比例風(fēng)險模型進行參數(shù)估計,但是將區(qū)間中點填補為觀察時間會高估生存率,而將左端點作為生存時間可能會低估生存率,均會使模型的偏倚增加。因此常規(guī)填補法并不是理想的處理方法。參數(shù)統(tǒng)計方法體系下處理區(qū)間刪失數(shù)據(jù)的模型構(gòu)造,需要明確基線風(fēng)險函數(shù)形式和生存時間的分布,模型估計較為復(fù)雜。Bayesian統(tǒng)計方法體系下,結(jié)合了基線風(fēng)險和生存函數(shù)的似然函數(shù),同樣有模型過于復(fù)雜,計算負(fù)擔(dān)重的問題。因此,運用常規(guī)的參數(shù)統(tǒng)計方法和常規(guī)的Bayesian統(tǒng)計方法都存在實際應(yīng)用的問題。因此,本研究對近年來提出的一種Bayesian比例風(fēng)險模型方法的統(tǒng)計學(xué)性質(zhì)與實際應(yīng)用進行了探討。該法在貝葉斯比例風(fēng)險回歸模型的框架下,以單調(diào)樣條函數(shù)構(gòu)造聯(lián)合似然函數(shù)中的基線生存函數(shù),以非齊次泊松過程為基礎(chǔ)對區(qū)間刪失的生存時間進行數(shù)據(jù)擴增,采用Gibbs后驗抽樣計算,完成比例風(fēng)險模型的參數(shù)估計。本研究通過模擬樣本,將該法與多重填補法和經(jīng)典參數(shù)法進行比較,對貝葉斯比例風(fēng)險模型的推斷性能進行評價;并且將該法用于含有區(qū)間刪失數(shù)據(jù)的冠心病患者治療出院后復(fù)發(fā)心血管事件的隨訪研究數(shù)據(jù),以探討與冠心病患者預(yù)后復(fù)發(fā)的潛在相關(guān)因素為例說明該法的實際應(yīng)用。主要結(jié)果(1)統(tǒng)計模擬試驗結(jié)果A.不同樣本特征對貝葉斯比例風(fēng)險模型的影響對不同刪失區(qū)間寬度和區(qū)間刪失率進行分析,主要結(jié)果顯示:在10、50、100、200的刪失區(qū)間寬度下,模型的估計偏差(Bias)沒有明顯規(guī)律與差異;在0.2、0.5、0.8的區(qū)間刪失率組中,該模型的估計偏差同樣沒有差異。其余發(fā)現(xiàn)包括:隨著刪失區(qū)間寬度的增加,回歸系數(shù)估計值的95%置信區(qū)間的寬度也在不斷增加;對于服從正態(tài)分布資料的協(xié)變量的估計結(jié)果的偏差要大于服從二項分布的協(xié)變量,其估計結(jié)果的標(biāo)準(zhǔn)誤(SE)要小于服從二項分布的協(xié)變量。B.貝葉斯方法與多重填補法,經(jīng)典方法的比較三種方法下估計結(jié)果的偏差的絕對值都會隨著右刪失率的增加而增加;在不同區(qū)間刪失率的樣本下,三種方法間的偏差沒有明顯差異。三種方法估計結(jié)果的標(biāo)準(zhǔn)誤會隨著右刪失率的降低而降低,且貝葉斯方法的結(jié)果標(biāo)準(zhǔn)誤是最小值;在運行速度上,三種方法的運算時間都會隨著區(qū)間刪失率的升高而增加,其中貝葉斯方法的運行時間最長。C.貝葉斯比例風(fēng)險模型的超參數(shù)設(shè)置對模擬結(jié)果的影響單調(diào)樣條函數(shù)中伽馬先驗的a_λ和b_λ兩個超參數(shù)依據(jù)已有研究設(shè)置為從0.001至1的范圍,結(jié)果顯示其對貝葉斯模型參數(shù)估計的偏差絕對值、標(biāo)準(zhǔn)誤差和模型擬合優(yōu)度指標(biāo)(LPML)的均沒有影響;單調(diào)樣條的估計節(jié)點數(shù)對于參數(shù)估計和模型擬合的影響在不同區(qū)間刪失率下的樣本下均較小,但是通常在節(jié)點數(shù)為10時偏差最小。(2)實例數(shù)據(jù)分析結(jié)果對心血管事件復(fù)發(fā)隨訪研究的分析,在樣條節(jié)點數(shù)為10,超參數(shù)a_λ=b_λ=1的模型參數(shù)下,Bayesian比例風(fēng)險模型擬合結(jié)果為:早發(fā)型冠心病(HR=0.57,95%CI:(0.40,0.79))和糖尿病(HR=1.75,95%CI:(1.38,2.22))均為有統(tǒng)計學(xué)意義的變量;多重填補法得到的結(jié)果為早發(fā)型冠心病(HR=0.60,95%CI:(0.50,0.71))和糖尿病(HR=1.81,95%CI:(1.60,2.03))均為有統(tǒng)計學(xué)意義的變量;經(jīng)典方法的結(jié)果為早發(fā)型冠心病(HR=0.59,95%CI:(0.43,0.83))和糖尿病(HR=1.80,95%CI:(1.42,2.29))均為有統(tǒng)計學(xué)意義的變量。主要結(jié)論(1)通過模擬分析,不同刪失區(qū)間寬度和區(qū)間刪失率對Bayesian比例風(fēng)險模型的估計誤差影響較小,但是隨著區(qū)間刪失率和刪失區(qū)間寬度的提高,估計的精度會下降,置信區(qū)間會變寬;相比于經(jīng)典方法和多重填補法,貝葉斯方法有著更為穩(wěn)健的結(jié)果估計,但是檢驗效能要低于其它兩種方法;貝葉斯比例風(fēng)險模型中的對不同伽馬先驗超參數(shù)和單調(diào)樣條節(jié)點數(shù)的設(shè)置估計結(jié)果都比較穩(wěn)健。另外,貝葉斯方法較久的運算時間應(yīng)該被考慮到,因此其在應(yīng)用中更適用于小樣本的數(shù)據(jù),并且在其實際應(yīng)用中可以通過對超參數(shù)的設(shè)置,得到更為準(zhǔn)確的結(jié)果。(2)通過對冠心病患者隨訪調(diào)查數(shù)據(jù)的實例分析,我們認(rèn)為相較于晚發(fā)型冠心病患者,早發(fā)型冠心病患者的預(yù)后效果較好;合并有糖尿病是心血管事件再發(fā)的危險因素。在處理區(qū)間刪失數(shù)據(jù)上,臨床上常用的單點填補方法應(yīng)該得到提高,更為穩(wěn)健的貝葉斯框架比例風(fēng)險模型是值得向研究者推薦的一種方法。
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：R195.1;O212.8
【圖文】：

東南大學(xué)碩士學(xué)位論文dth 成正比，區(qū)間刪失率為 0.8 時 Width 最高，區(qū)間刪失率為 0.看，β1估計值的 Width 要高于 β2估計值的 Width，兩組間差異有，所有樣本的 β1估計值的 Width 為 0.6919±0.0222，β2估計值的06。 指標(biāo)上，所有樣本的 β1估計值的 CP95 為 94.40±1.41,，β2估計4，兩者之間差異有統(tǒng)計學(xué)意義（P<0.05），說明 β1估計值的 CP95。在不同刪失區(qū)間寬度和不同刪失率的樣本之間CP95無差異（

附錄附錄 2. 模擬數(shù)據(jù)貝葉斯后驗估計收斂診斷圖收斂圖形的位置示例如下圖所示：A BC DE F圖 1. 樣本收斂診斷圖排版示例在圖 1 中 A 表示 β1的軌跡圖，B 表示 β1的核密度圖，C 表示 β2的軌跡圖，D 表示 β2的核密度圖，E 表示 β1的自相關(guān)圖，F(xiàn) 表示 β2的自相關(guān)圖。

82圖 7 一期模擬 6 號樣本貝葉斯比例風(fēng)險模型的收斂診斷圖 （注：從左至右、從上至下依次為由第1 至第 40 個模擬數(shù)據(jù)集得到的后驗估計收斂診斷圖。）

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 劉曙杰;;影響經(jīng)皮冠狀動脈介入治療冠心病后復(fù)發(fā)的危險因素分析[J];中國醫(yī)學(xué)創(chuàng)新;2014年29期

2 錢俊;劉國慶;周業(yè)明;;不同刪失比例下生存數(shù)據(jù)模擬生成的方法[J];數(shù)理醫(yī)藥學(xué)雜志;2013年06期

3 胡思貴;趙明;;指數(shù)分布區(qū)間型刪失數(shù)據(jù)的可靠度最優(yōu)置信下限[J];貴州大學(xué)學(xué)報(自然科學(xué)版);2007年06期

4 陳鳳騰;左洪福;王華偉;倪現(xiàn)存;白芳;;基于非齊次泊松過程的航空備件需求研究和應(yīng)用[J];系統(tǒng)工程與電子技術(shù);2007年09期

5 劉沛;陳啟光;;貝葉斯統(tǒng)計及其在診斷和篩檢試驗評價中的應(yīng)用[J];中國衛(wèi)生統(tǒng)計;2006年04期

6 孫大飛,陳志國,劉文舉;基于EM算法的極大似然參數(shù)估計探討[J];河南大學(xué)學(xué)報(自然科學(xué)版);2002年04期

7 夏亞峰,劉開生;一種旅游隨訪生存分析模型[J];甘肅科學(xué)學(xué)報;1999年04期

8 李長福,夏建中,黃躍德,張肅平;考慮刪失數(shù)據(jù)時彈藥貯存可靠性評估方法研究[J];兵工學(xué)報;1996年04期

相關(guān)會議論文 前1條

1 劉文忠;張沅;;貝葉斯方差組分估計中Gibbs鏈的收斂診斷[A];中國青年農(nóng)業(yè)科學(xué)學(xué)術(shù)年報[C];2002年

相關(guān)博士學(xué)位論文 前1條

1 錢俊;生存分析中刪失數(shù)據(jù)比例對Cox回歸模型影響的研究[D];南方醫(yī)科大學(xué);2009年

相關(guān)碩士學(xué)位論文 前5條

1 吳丹陽;區(qū)間刪失數(shù)據(jù)下幾種分布的統(tǒng)計推斷及金融數(shù)據(jù)實證分析[D];北京工商大學(xué);2016年

2 張曉靈;基于Cox比例風(fēng)險模型的商業(yè)銀行信用風(fēng)險度量研究[D];山東大學(xué);2014年

3 安玉潔;基于區(qū)間刪失數(shù)據(jù)的比例風(fēng)險模型中的參數(shù)估計[D];華中師范大學(xué);2012年

4 胡芳芳;缺失數(shù)據(jù)的貝葉斯模型處理[D];中南大學(xué);2011年

5 何文;基于Cox比例風(fēng)險模型的上市公司財務(wù)預(yù)警研究[D];湖南大學(xué);2010年

本文編號：2782341