目的:兩類型復(fù)發(fā)事件常見(jiàn)于醫(yī)學(xué)縱向隨訪研究中,與死亡結(jié)局共同構(gòu)成含終止事件(死亡)的雙變量復(fù)發(fā)事件,數(shù)據(jù)結(jié)構(gòu)復(fù)雜,建模時(shí)需考慮兩類復(fù)發(fā)事件間及兩類復(fù)發(fā)事件與終止事件(死亡)的相關(guān)性,分析各協(xié)變量對(duì)兩型復(fù)發(fā)事件復(fù)發(fā)率的平均效應(yīng)的影響及對(duì)死亡風(fēng)險(xiǎn)的影響是主要的研究目的。傳統(tǒng)的邊際率模型在引入脆弱項(xiàng)后,不再滿足比例形式,無(wú)法直接反映協(xié)變量的平均效應(yīng)。含脆弱項(xiàng)的聯(lián)合邊際模型,包括復(fù)發(fā)事件過(guò)程的邊際比例率模型、終止事件時(shí)間的邊際比例風(fēng)險(xiǎn)模型,采用脆弱項(xiàng)來(lái)考慮事件間的相關(guān)性。主要闡述含脆弱項(xiàng)的聯(lián)合邊際模型原理、建模過(guò)程及軟件實(shí)現(xiàn),通過(guò)模擬研究來(lái)驗(yàn)證該模型在含終止事件的雙變量復(fù)發(fā)事件數(shù)據(jù)中的適用性,并將模型應(yīng)用到肺癌患者的局部復(fù)發(fā)、遠(yuǎn)處轉(zhuǎn)移及死亡的影響因素研究中,為該類數(shù)據(jù)統(tǒng)計(jì)分析提供新方法,為肺癌患者疾病進(jìn)程及預(yù)后影響因素的研究提供新思路。方法:首先介紹含脆弱項(xiàng)的聯(lián)合邊際模型建模原理,并闡明兩階段參數(shù)估計(jì)方法,第一階段估計(jì)回歸系數(shù)及基線風(fēng)險(xiǎn)等邊際參數(shù),第二階段估計(jì)三個(gè)脆弱項(xiàng)方差等相關(guān)性參數(shù);其次,根據(jù)參數(shù)估計(jì)的原理,考慮樣本量大小、不同的研究結(jié)束時(shí)間(對(duì)應(yīng)產(chǎn)生不同大小的刪失率)等因素來(lái)模擬生成含終止事件的雙變量復(fù)發(fā)事件數(shù)據(jù),設(shè)置幾種模擬方案組合來(lái)檢驗(yàn)?zāi)Ｐ偷哪M效果(每個(gè)方案設(shè)置生成500個(gè)數(shù)據(jù)集),從標(biāo)準(zhǔn)誤估計(jì)偏差、95%置信區(qū)間的覆蓋率CP%及脆弱項(xiàng)方差的絕對(duì)相對(duì)偏倚等方面來(lái)評(píng)價(jià)模型參數(shù)估計(jì)的性能;最后將含脆弱項(xiàng)的聯(lián)合邊際模型應(yīng)用于肺癌患者疾病進(jìn)程及預(yù)后的雙變量復(fù)發(fā)事件數(shù)據(jù)研究中,分析肺癌患者多次局部復(fù)發(fā)、多次遠(yuǎn)處轉(zhuǎn)移及死亡的影響因素,并評(píng)價(jià)兩類復(fù)發(fā)事件間及兩類復(fù)發(fā)事件和終止事件間的相關(guān)性。結(jié)果和結(jié)論:1.含脆弱項(xiàng)的聯(lián)合邊際模型對(duì)于含終止事件的雙變量復(fù)發(fā)事件數(shù)據(jù)分析具有獨(dú)特的優(yōu)勢(shì)含脆弱項(xiàng)的聯(lián)合邊際模型是對(duì)傳統(tǒng)邊際模型的進(jìn)一步擴(kuò)展,是在邊際模型的基礎(chǔ)上,通過(guò)引入三個(gè)脆弱項(xiàng)將兩類型復(fù)發(fā)事件率和終止事件風(fēng)險(xiǎn)聯(lián)系起來(lái)。與傳統(tǒng)的邊際模型相比,此模型引入脆弱項(xiàng)后,具有了比例率和比例風(fēng)險(xiǎn)形式,這樣能更直接地解釋影響因素的平均效應(yīng);含脆弱項(xiàng)的聯(lián)合邊際模型既考慮了兩類復(fù)發(fā)事件與終止事件間的相關(guān)性,又考慮了復(fù)發(fā)事件內(nèi)部的相關(guān)性,而且可以評(píng)估復(fù)發(fā)事件率與終止事件發(fā)生的相關(guān)程度。因此,將該模型用于含終止事件的雙變量復(fù)發(fā)事件數(shù)據(jù)分析中具有獨(dú)特的優(yōu)勢(shì)。2.模擬研究表明含脆弱項(xiàng)的聯(lián)合邊際模型的參數(shù)估計(jì)結(jié)果較為可靠模擬研究表明對(duì)于含終止事件的雙變量復(fù)發(fā)事件數(shù)據(jù),含脆弱項(xiàng)的聯(lián)合邊際模型的參數(shù)估計(jì)結(jié)果可靠。對(duì)于含終止事件的雙變量復(fù)發(fā)事件數(shù)據(jù)用該模型擬合時(shí),邊際參數(shù)中各回歸系數(shù)估計(jì)值與理論值的偏倚較小,置信區(qū)間的覆蓋率都接近正常水平0.95,樣本標(biāo)準(zhǔn)誤的估計(jì)也相對(duì)合理,因此整體上,邊際參數(shù)的模擬估計(jì)效果較好。對(duì)于相關(guān)性參數(shù)的估計(jì),當(dāng)樣本量n=150,刪失率為34%的情況下相關(guān)性參數(shù),即脆弱項(xiàng)方差的估計(jì)效果不佳,這可能是因?yàn)闃颖玖枯^少,高斯求積估計(jì)值產(chǎn)生了較大的偏差,而當(dāng)樣本量為350時(shí),三個(gè)脆弱項(xiàng)方差的估計(jì)效果明顯提高;整體上講,隨著樣本量的增加(從150到350),隨訪研究結(jié)束時(shí)間的延長(zhǎng)(即刪失率從45%到34%減小)時(shí),標(biāo)準(zhǔn)誤估計(jì)值更接近樣本標(biāo)準(zhǔn)誤,絕對(duì)相對(duì)偏倚比0.05小,模擬效果提高。3.肺癌患者預(yù)后多次局部復(fù)發(fā)、遠(yuǎn)處轉(zhuǎn)移及死亡影響因素的分析結(jié)果實(shí)例分析結(jié)果顯示,影響肺癌患者預(yù)后局部復(fù)發(fā)事件發(fā)生的影響因素有是否有家族史、分化程度、是否有淋巴結(jié)轉(zhuǎn)移及治療方式;影響肺癌患者預(yù)后遠(yuǎn)處轉(zhuǎn)移事件發(fā)生的影響因素有病理分型、分化程度及臨床分期;影響肺癌患者預(yù)后死亡的影響因素有:年齡、臨床分期、分化程度、腫瘤最大徑大小、是否有淋巴結(jié)轉(zhuǎn)移及治療方式。模型中脆弱項(xiàng)V的方差(?)=1.738,P(27)0.001,表明兩類復(fù)發(fā)事件和終止事件存在正相關(guān),患者局部復(fù)發(fā)率越高,遠(yuǎn)處轉(zhuǎn)移率越高,患者就越容易發(fā)生死亡;死亡的肺癌患者經(jīng)歷復(fù)發(fā)事件的平均次數(shù)即復(fù)發(fā)率是未死亡患者的2.738倍。脆弱項(xiàng)_1W方差(?)=1.565,P=0.028表示多次局部復(fù)發(fā)事件內(nèi)部存在正相關(guān),脆弱項(xiàng)_2W的方差(?)=1.025,P﹤0.001表示多次遠(yuǎn)處轉(zhuǎn)移事件內(nèi)部也存在正相關(guān)。
【學(xué)位單位】：山西醫(yī)科大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：R195.1;O213
【部分圖文】：

有無(wú)淋巴結(jié)轉(zhuǎn)移患者的兩類復(fù)發(fā)事件平均發(fā)生次數(shù)（紅線表示有淋巴結(jié)轉(zhuǎn)移，黑線表示無(wú)淋巴結(jié)轉(zhuǎn)移）

有無(wú)家族史患者的兩類復(fù)發(fā)事件平均發(fā)生次數(shù)（紅線表示有家族史，黑線表示無(wú)家族史）

腺癌和鱗癌患者的兩類復(fù)發(fā)事件平均發(fā)生次數(shù)（紅線表示腺癌，黑線表示鱗癌）
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賀婕;段小剛;張淑梅;;協(xié)變量隨機(jī)缺失時(shí)邊際模型的廣義矩估計(jì)[J];應(yīng)用概率統(tǒng)計(jì);2016年06期

2 路世昌;樊星;邵良杉;;產(chǎn)業(yè)集群交易費(fèi)用分析及其超邊際模型研究[J];稅務(wù)與經(jīng)濟(jì);2008年04期

3 吳小霞;;多重檢驗(yàn)中利用參數(shù)邊際模型估計(jì)真實(shí)零假設(shè)的比值[J];統(tǒng)計(jì)與決策;2012年17期

4 張濤;魏斯怡;;一類縱向數(shù)據(jù)邊際模型測(cè)量誤差問(wèn)題的SIMEX方法[J];肇慶學(xué)院學(xué)報(bào);2015年02期

5 晁倩倩;鞠星;牛海波;;數(shù)據(jù)統(tǒng)計(jì)中邊際回歸模型的探討[J];管理觀察;2018年19期

6 趙明濤;許曉麗;李芳芝;楊燁軍;蔡曉薇;劉佳;;基于QIF的縱向數(shù)據(jù)邊際模型的統(tǒng)計(jì)推斷方法[J];科技經(jīng)濟(jì)導(dǎo)刊;2016年06期

7 秦國(guó)友;朱仲義;;縱向數(shù)據(jù)邊際模型非參數(shù)光滑方法的比較[J];應(yīng)用概率統(tǒng)計(jì);2009年03期

8 樊星;路世昌;;產(chǎn)業(yè)集群互補(bǔ)性知識(shí)超邊際模型研究[J];科技管理研究;2008年06期

9 曹學(xué)鋒;曲連強(qiáng);;帶信息終止事件的復(fù)發(fā)事件數(shù)據(jù)的聯(lián)合建模分析[J];應(yīng)用數(shù)學(xué)學(xué)報(bào);2017年04期

10 李俠;婁偉;;基于邊際變動(dòng)的經(jīng)營(yíng)決策分析[J];中國(guó)鄉(xiāng)鎮(zhèn)企業(yè)會(huì)計(jì);2014年11期

相關(guān)博士學(xué)位論文 前3條

1 柴海濤;一類成分?jǐn)?shù)據(jù)的邊際兩部分Beta回歸模型及相關(guān)問(wèn)題[D];山東大學(xué);2018年

2 許佩蓉;高維縱向數(shù)據(jù)中邊際模型和混合效應(yīng)模型的若干研究[D];華東師范大學(xué);2013年

3 張濤;含有測(cè)量誤差的縱向數(shù)據(jù)的統(tǒng)計(jì)推斷[D];復(fù)旦大學(xué);2011年

相關(guān)碩士學(xué)位論文 前5條

1 于智凱;含脆弱項(xiàng)的聯(lián)合邊際模型在有終止事件的兩類型復(fù)發(fā)事件數(shù)據(jù)分析中的應(yīng)用[D];山西醫(yī)科大學(xué);2019年

2 孫琴;帶有終止事件的復(fù)發(fā)事件數(shù)據(jù)的可加可乘比率模型[D];華中師范大學(xué);2018年

3 張彥榮;縱向數(shù)據(jù)邊際模型的穩(wěn)健估計(jì)及其醫(yī)學(xué)應(yīng)用[D];山西醫(yī)科大學(xué);2009年

4 葛利紅;跨境電商環(huán)境下專業(yè)市場(chǎng)轉(zhuǎn)型升級(jí)的研究[D];南昌航空大學(xué);2016年

5 關(guān)楷諭;帶終止事件的復(fù)發(fā)事件數(shù)據(jù)加速比率模型[D];貴州大學(xué);2016年

本文編號(hào)：2852585