【摘要】：CMH檢驗(yàn)、meta分析、logistic回歸模型、對(duì)數(shù)線性模型、加權(quán)卡方檢驗(yàn)是分析定性資料的常用方法。很多情況下，它們可以分析同一類型的定性資料。有學(xué)者在處理多中心臨床試驗(yàn)的資料時(shí)，發(fā)現(xiàn)用CMH檢驗(yàn)分析中心效應(yīng)，與meta分析的結(jié)果不一致；在某疾病的危險(xiǎn)因素分析中，對(duì)數(shù)線性模型與logistic回歸分析的結(jié)果有差別。 如何合理選擇統(tǒng)計(jì)分析方法，哪種方法分析的結(jié)果更加可靠，國(guó)內(nèi)外已經(jīng)有學(xué)者做了一些比較研究工作，如對(duì)CMH檢驗(yàn)和logistic回歸處理結(jié)果變量是多值有序變量和多值名義變量三維列聯(lián)表資料的檢驗(yàn)效能比較研究，CMH檢驗(yàn)和meta分析處理多中心臨床試驗(yàn)q×2×2三維列聯(lián)表資料異質(zhì)性檢驗(yàn)的檢驗(yàn)效能比較研究，研究?jī)?nèi)容還不夠全面，評(píng)價(jià)指標(biāo)過(guò)于單一。 鑒于此，本課題采用Monte Carlo模擬對(duì)CMH檢驗(yàn)、meta分析、logistic回歸模型、對(duì)數(shù)線性模型和加權(quán)卡方檢驗(yàn)處理四類高維列聯(lián)表資料進(jìn)行比較研究，評(píng)價(jià)指標(biāo)包括犯I類錯(cuò)誤的概率、檢驗(yàn)效能、參數(shù)估計(jì)值和均方誤差。從而幫助人們合理選擇統(tǒng)計(jì)分析方法，得到更加可靠的結(jié)論。由于本課題只研究上述提及的5種處理定性資料統(tǒng)計(jì)分析方法的比較問(wèn)題，雖然在某些場(chǎng)合下還可以運(yùn)用其他統(tǒng)計(jì)分析方法，本課題不作全面論述。 本課題的研究?jī)?nèi)容和結(jié)論如下： ⑴比較CMH檢驗(yàn)、logistic回歸模型、對(duì)數(shù)線性模型和加權(quán)卡方檢驗(yàn)處理一般的q×2×2列聯(lián)表資料犯I類錯(cuò)誤的概率、檢驗(yàn)效能、參數(shù)估計(jì)值及均方誤差。 上述四種統(tǒng)計(jì)分析方法犯I類錯(cuò)誤的概率近乎相同。當(dāng)不存在空單元時(shí)，四種統(tǒng)計(jì)分析方法檢驗(yàn)效能相同；logistic回歸模型、對(duì)數(shù)線性模型和加權(quán)卡方檢驗(yàn)受空單元的影響，檢驗(yàn)效能下降。當(dāng)四種方法檢驗(yàn)效能都為1時(shí)，logistic回歸模型參數(shù)估計(jì)值最高，均方誤差最大，對(duì)數(shù)線性模型次之；當(dāng)總體參數(shù)值較小時(shí)，CMH檢驗(yàn)logit法參數(shù)估計(jì)值最接近總體參數(shù)值，均方誤差最��；當(dāng)總體參數(shù)較大時(shí)，加權(quán)χ~2檢驗(yàn)參數(shù)估計(jì)值最接近總體參數(shù)值，均方誤差最小。當(dāng)模型中包含因素的交互作用時(shí)，logistic回歸模型和對(duì)數(shù)線性模型對(duì)交互項(xiàng)分析的檢驗(yàn)效能相同，參數(shù)估計(jì)值接近。 ⑵比較CMH檢驗(yàn)、logistic回歸模型和對(duì)數(shù)線性模型處理試驗(yàn)因素和結(jié)果變量都是無(wú)序變量的高維列聯(lián)表資料犯I類錯(cuò)誤的概率、檢驗(yàn)效能、參數(shù)估計(jì)值及均方誤差。 上述三種統(tǒng)計(jì)分析方法犯I類錯(cuò)誤的概率近乎相同。當(dāng)不存在空單元時(shí)，三種統(tǒng)計(jì)分析方法檢驗(yàn)效能相同；logistic回歸模型和對(duì)數(shù)線性模型受空單元的影響，檢驗(yàn)效能下降。CMH檢驗(yàn)無(wú)法估計(jì)模型的參數(shù)，當(dāng)logistic回歸模型和對(duì)數(shù)線性模型檢驗(yàn)效能都為1時(shí)，logistic回歸模型對(duì)組間效應(yīng)估計(jì)值偏高，對(duì)數(shù)線性模型對(duì)組間效應(yīng)估計(jì)值更接近總體參數(shù)值。當(dāng)存在因素間的交互效應(yīng)時(shí)，logistic回歸模型對(duì)交互效應(yīng)的估計(jì)值更接近總體參數(shù)值。 ⑶比較CMH檢驗(yàn)和logistic回歸模型處理結(jié)果變量為多值有序變量的高維列聯(lián)表資料犯I類錯(cuò)誤的概率和檢驗(yàn)效能。 CMH檢驗(yàn)犯I類錯(cuò)誤的概率和檢驗(yàn)效能都大于logistic回歸模型，原因在于用logistic回歸模型處理結(jié)果變量為多值有序變量的高維列聯(lián)表資料時(shí)，需要對(duì)資料是否滿足平行線條件進(jìn)行假設(shè)檢驗(yàn)，若滿足平行線條件，方可進(jìn)行l(wèi)ogistic回歸分析。當(dāng)不考慮平行線假設(shè)的檢驗(yàn)結(jié)果時(shí)，二者檢驗(yàn)效能相同。 ⑷比較CMH檢驗(yàn)和meta分析處理多中心臨床試驗(yàn)q×2×2列聯(lián)表資料犯I類錯(cuò)誤的概率、檢驗(yàn)效能和參數(shù)估計(jì)值及均方誤差，并比較Breslow-Day檢驗(yàn)和Q檢驗(yàn)進(jìn)行異質(zhì)性檢驗(yàn)犯I類錯(cuò)誤的概率和檢驗(yàn)效能，以及I~2統(tǒng)計(jì)量正確判斷異質(zhì)性的比例，簡(jiǎn)稱正確率。 異質(zhì)性檢驗(yàn)的比較結(jié)果顯示，Breslow-Day檢驗(yàn)犯I類錯(cuò)誤的概率和檢驗(yàn)效能高于Q檢驗(yàn)。當(dāng)中心數(shù)較小，檢驗(yàn)水準(zhǔn)a=0.05時(shí)，I2統(tǒng)計(jì)量判斷異質(zhì)性的正確率高于Breslow-Day檢驗(yàn)和Q檢驗(yàn)的檢驗(yàn)效能，隨著中心數(shù)的增大，I2統(tǒng)計(jì)量判斷異質(zhì)性的正確率低于二者的檢驗(yàn)效能。 對(duì)試驗(yàn)效應(yīng)分析的比較結(jié)果顯示，當(dāng)總體為固定效應(yīng)模型時(shí)，CMH檢驗(yàn)犯I類錯(cuò)誤的概率高于meta分析，檢驗(yàn)效能低于meta分析，原因在于CMH檢驗(yàn)中Breslow-Day檢驗(yàn)異質(zhì)性檢驗(yàn)犯I類錯(cuò)誤的概率較高。當(dāng)Breslow-Day檢驗(yàn)和Q檢驗(yàn)異質(zhì)性檢驗(yàn)都是陰性時(shí)，CMH檢驗(yàn)和meta分析對(duì)試驗(yàn)效應(yīng)分析的檢驗(yàn)效能相同。而當(dāng)總體為隨機(jī)效應(yīng)模型時(shí)，CMH檢驗(yàn)的結(jié)果不可靠，因此未對(duì)二者進(jìn)行比較研究。 當(dāng)總體OR值較小時(shí)，CMH檢驗(yàn)的logit法、MH法和meta分析三種方法的參數(shù)估計(jì)值接近總體參數(shù)值，均方誤差都很�。浑S著總體參數(shù)值的增大，CMH檢驗(yàn)的MH法參數(shù)估計(jì)值仍然與總體參數(shù)值接近，而CMH檢驗(yàn)的logit法和Meta分析的參數(shù)估計(jì)值小于總體參數(shù)值，均方誤差較大。 通過(guò)以上的比較研究，研究者在處理定性資料時(shí)應(yīng)根據(jù)研究目的和資料的特點(diǎn)選擇合理的統(tǒng)計(jì)分析方法，可從以下幾個(gè)方面考慮。 ⑴正確判斷資料的類型。研究者需觀察資料中涉及到的變量及其性質(zhì)。 ⑵弄清楚數(shù)據(jù)的來(lái)源。若是多中心臨床試驗(yàn)得到的資料，則應(yīng)采用CMH檢驗(yàn)或meta分析。 ⑶觀察單元格中的頻數(shù)。當(dāng)高維列聯(lián)表中存在空單元時(shí)，將所有格子的頻數(shù)都增加0.5，再進(jìn)行統(tǒng)計(jì)分析。 ⑷弄清分析目的，根據(jù)分析目的選擇操作比較簡(jiǎn)單的一種統(tǒng)計(jì)分析方法。若只進(jìn)行假設(shè)檢驗(yàn)，CMH檢驗(yàn)不失為一種有效而簡(jiǎn)便的統(tǒng)計(jì)分析方法，其檢驗(yàn)效能不亞于其他方法；對(duì)于多中心臨床試驗(yàn)q×2×2列聯(lián)表資料，由于Breslow-Day檢驗(yàn)分析異質(zhì)性犯I類錯(cuò)誤的概率和檢驗(yàn)效能都高于Q檢驗(yàn)，因此需將CMH檢驗(yàn)和meta分析結(jié)合起來(lái)共同分析。若還需要進(jìn)行參數(shù)估計(jì)，則要根據(jù)資料類型和以上的比較結(jié)果選擇統(tǒng)計(jì)分析方法。對(duì)于一般的q×2×2列聯(lián)表資料，當(dāng)只估計(jì)一個(gè)因素的效應(yīng)時(shí)，可選擇CMH檢驗(yàn)的logit法；對(duì)于試驗(yàn)因素和結(jié)果變量都是無(wú)序變量的高維列聯(lián)表資料，與logistic回歸模型相比，對(duì)數(shù)線性模型雖然能更好地估計(jì)試驗(yàn)效應(yīng)，但其結(jié)果難以理解，因此，如果資料中有明確的原因變量和結(jié)果變量，仍然選擇logistic回歸模型；對(duì)于多中心臨床試驗(yàn)q×2×2列聯(lián)表資料，僅當(dāng)異質(zhì)性檢驗(yàn)為陰性結(jié)果時(shí)，選擇CMH檢驗(yàn)的MH法，當(dāng)各中心間存在異質(zhì)性時(shí)，應(yīng)選擇meta分析，采用隨機(jī)效應(yīng)模型估計(jì)試驗(yàn)效應(yīng)。
【學(xué)位授予單位】：中國(guó)人民解放軍軍事醫(yī)學(xué)科學(xué)院
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類號(hào)】：R181.3
【圖文】：

略高于其他三種方法。3.2.2 檢驗(yàn)效能的比較結(jié)果圖3-1是四種統(tǒng)計(jì)分析方法處理結(jié)果變量為二值變量三維列聯(lián)表資料所對(duì)應(yīng)的檢驗(yàn)效能、樣本含量和組間效應(yīng)的三維散點(diǎn)圖；圖 3-2 是樣本含量分別為 100、200、300 和 400 時(shí)四種統(tǒng)計(jì)分析方法處理結(jié)果變量為二值變量三維列聯(lián)表資料檢驗(yàn)效能與組間效應(yīng)關(guān)系的普通線圖。圖 3-1 四種統(tǒng)計(jì)分析方法檢驗(yàn)效能、樣本含量和組間效應(yīng)的三維散點(diǎn)圖隨著組間效應(yīng)的增大，CMH 檢驗(yàn)的檢驗(yàn)效能逐漸增大至 1 后，最終呈一條直線；logistic 回歸模型、對(duì)數(shù)線性模型和加權(quán)卡方檢驗(yàn)的檢驗(yàn)效能先增大，后減小。當(dāng)樣本含量為 100 時(shí)，四種統(tǒng)計(jì)分析方法檢驗(yàn)效能從大到小依次為：CMH檢驗(yàn)>logistic 回歸模型>加權(quán)卡方檢驗(yàn)>對(duì)數(shù)線性模型。當(dāng)樣本含量≥200 時(shí)，logistic 回歸模型、加權(quán)卡方檢驗(yàn)和對(duì)數(shù)線性模型檢驗(yàn)效能相同。隨著樣本含量的增加，四種統(tǒng)計(jì)分析方法檢驗(yàn)效能達(dá)到 1 的階段逐漸延長(zhǎng)。選取樣本含量為 100，coe=2 時(shí)的數(shù)據(jù)集

圖 3-2 四種樣本含量下四種統(tǒng)計(jì)分析方法檢驗(yàn)效能與組間效應(yīng)關(guān)系的普通線圖選取樣本含量為 400，coe=4 時(shí)模擬的 1000 個(gè)數(shù)據(jù)集，其中 96 個(gè)數(shù)據(jù)集 y=1g=1、c=0 或 1 對(duì)應(yīng)的兩個(gè)單元格的頻數(shù)都為 0 時(shí)，這時(shí) logistic 回歸模型和對(duì)數(shù)線性模型不能正確分析模型中 g 因素的效應(yīng)。說(shuō)明空單元的存在嚴(yán)重影響了logistic 回歸模型、對(duì)數(shù)線性模型和加權(quán)卡方檢驗(yàn)的檢驗(yàn)效能。當(dāng)設(shè)定樣本含量為 10000 時(shí)，沒(méi)有空單元，四種統(tǒng)計(jì)分析方法的檢驗(yàn)效能相等，coe=0.2 時(shí)，檢驗(yàn)效能為 0.997，其余均為 1。事實(shí)上，僅當(dāng)不存在空單元時(shí)，四種統(tǒng)計(jì)分析方法處理結(jié)果變量為二值變量三維列聯(lián)表資料的檢驗(yàn)效能相同。換句話說(shuō)，無(wú)論總樣本量有多大，只要存在空單元格，四種統(tǒng)計(jì)分析方法所對(duì)應(yīng)的檢驗(yàn)效能就不會(huì)完全相同。若將檢驗(yàn)水準(zhǔn)a 改為 0.01，四種統(tǒng)計(jì)分析方法檢驗(yàn)效能的分析會(huì)發(fā)生改變圖 3-3 是a =0.01、樣本含量為 100 和 400 時(shí)四種統(tǒng)計(jì)分析方法處理結(jié)果變量為二值變量的三維列聯(lián)表的檢驗(yàn)效能與組間效應(yīng)關(guān)系的普通線圖，當(dāng)樣本含量為100 時(shí)，四種統(tǒng)計(jì)分析方法檢驗(yàn)效能差距增大，大小順序未發(fā)生變化。增大樣本

圖 3-3 顯著性水準(zhǔn)為 0.01 時(shí)四種統(tǒng)計(jì)分析方法檢驗(yàn)效能與組間效應(yīng)關(guān)系的普通線圖3.2.3 參數(shù)估計(jì)值的比較結(jié)果四種統(tǒng)計(jì)分析方法均可估計(jì)模型中 g 因素的效應(yīng)，logistic 回歸模型可直接對(duì) coe 進(jìn)行估計(jì)。對(duì)數(shù)線性模型可估計(jì) g 與 y 的交互效應(yīng)( )gcag ， ( )01coe = 4ag。CMH 檢驗(yàn)和加權(quán)2c 檢驗(yàn)可得到 g 因素的優(yōu)勢(shì)比 OR，ln(OR)=coe。當(dāng)樣本含量為 400，coe 取值在 1.2 到 2.8 之間時(shí)，四種統(tǒng)計(jì)分析方法檢驗(yàn)效能都為 1，在該條件下對(duì)四種方法參數(shù)估計(jì)進(jìn)行比較，結(jié)果見(jiàn)表 3-2 和 3-3。表 3-2 四種統(tǒng)計(jì)分析方法對(duì) g 因素效應(yīng)估計(jì)的均值均數(shù)coe方法 A B C1 C2 D1.2 1.2132 1.2132 1.2101 1.2028 1.21011.4 1.4214 1.4215 1.4179 1.4074 1.41791.6 1.6237 1.6227 1.6199 1.6060 1.61881.8 1.8307 1.8294 1.8265 1.8080 1.8250

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李永紅;;病例對(duì)照研究列聯(lián)表資料的SPSS分析[J];公共衛(wèi)生與預(yù)防醫(yī)學(xué);2007年06期

2 邊澤源;楊蕓紅;何川;涂少華;涂榮躍;;噬菌體生物擴(kuò)增法直接檢測(cè)痰標(biāo)本中結(jié)核分枝桿菌異煙肼耐藥性的研究[J];實(shí)驗(yàn)與檢驗(yàn)醫(yī)學(xué);2011年03期

3 胡良平;王琪;;2×2列聯(lián)表資料的統(tǒng)計(jì)分析與SAS軟件實(shí)現(xiàn)[J];中西醫(yī)結(jié)合學(xué)報(bào);2009年07期

4 葛毅;胡良平;;高維列聯(lián)表資料的統(tǒng)計(jì)分析與SAS軟件實(shí)現(xiàn)(一)[J];中西醫(yī)結(jié)合學(xué)報(bào);2009年11期

5 張巖波,何大衛(wèi);列聯(lián)表資料的對(duì)數(shù)線性模型與Logistic回歸模型分析對(duì)比[J];現(xiàn)代預(yù)防醫(yī)學(xué);1999年04期

6 王素珍;夏結(jié)來(lái);于莉莉;李嬋娟;王陵;;臨床試驗(yàn)中分類數(shù)據(jù)的處理方法比較[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2007年04期

7 歐愛(ài)華;何羿婷;老膺榮;;Logistic回歸、CMH檢驗(yàn)與Meta分析在多中心臨床試驗(yàn)中應(yīng)用探討[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2007年06期

8 王素珍;孟維靜;艾曉偉;夏結(jié)來(lái);;小樣本內(nèi)部預(yù)試驗(yàn)自適應(yīng)設(shè)計(jì)中Ⅰ型錯(cuò)誤和檢驗(yàn)效能的控制及模擬[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2011年05期

9 劉啟軍,曾慶,周燕榮;精確logistic回歸及其SAS應(yīng)用程序[J];中華流行病學(xué)雜志;2003年08期

10 歐愛(ài)華,老膺榮,李曉慶,黃燕,何羿婷,黃培新;多中心臨床隨機(jī)對(duì)照試驗(yàn)的Meta分析[J];中華流行病學(xué)雜志;2005年04期

相關(guān)碩士學(xué)位論文 前1條

1 朱紅;2型糖尿病并發(fā)肺結(jié)核病危險(xiǎn)因素探討[D];天津醫(yī)科大學(xué);2003年

本文編號(hào)：2768961