结直肠癌术后中医证型与预后相关性的巢式病例对照研究

目的:本研究对Ⅱ、Ⅲ期结直肠癌术后中医证型与预后相关性进行探索分析。方法:采用巢式病例对照研究方法回顾就诊于中国中医科学院西苑医院肿瘤科的结直肠癌患者,对5年内出现复发转移的20例患者(观察组),按1:4匹配80例未复发转移患者为对照组,分别从肿瘤部位、TNM分期中医证型、术后辅助治疗及中药治疗时间等因素进行分析。结果:观察组以肝脾不和居多(P=0.027),对照组脾肾两虚更多(P=0.029)。Logistic回归模型显示中药治疗时间对预后是一种保护因素(OR<1),而肝肾阴虚证(OR>1)较脾肾两虚证的复发转移几率大大增加。结论:特定的中医证候与Ⅱ、Ⅲ期结直肠癌术后患者的预后可能具有相关性,中药治疗可能对预后具有改善作用。

大数据分析仍需要统计思想-以ARGO模型为例

在大数据时代,传统的统计学是否还有用武之地引起很多争议。本文以ARGO模型为案例,介绍了统计方法在大数据分析中的应用和取得的成果,并从统计学的角度出发,提出改进的措施与方法。通过ARGO模型的分析结果发现,大数据分析的很多根本性问题仍然是统计问题,而数据中的统计规律仍然是数据分析要挖掘的最大价值,这也意味着统计思想在大数据分析中只能越来越重要。而对于结构复杂、来源多样的大数据来说,统计学方法也需要新的探索和尝试,这将是统计学所面临的机遇和挑战。

多个响应变量的纵向数据联合建模方法及应用

纵向观测过程中经常会遇到对同一个个体测量多个响应变量的情况,由于同一个个体的不同响应变量之间存在一定的相关性,因此独立分析每一个响应变量将会损失相关信息。本文利用联合建模的方式对多个响应变量建立混合效应模型,通过不同响应变量的随机效应之间的相关性刻画不同响应变量之间的关系,并利用极大似然方法给出模型中参数的估计,最后通过中风病的实际数据分析来说明该方法的应用。

基于深度学习的大规模肿瘤数据生存分析

目的将深度学习方法应用在大规模肿瘤数据中,并预测肿瘤患者的个体生存情况,提升预测精度,为个体化治疗方案提供参考。方法以老年乳腺癌数据为例,将生存时间划分成离散区间,通过神经网络方法预测患者在各离散区间内的死亡概率,实现个体生存函数的预测。结果对于19576例老年女性乳腺癌的个体生存函数预测情况,本文提出的方法预测效果好于其他的模型,表现在有更大的c-index指标和更大的log-rank统计量值。结论基于深度学习的生存函数预测有较大的灵活性,不受Cox模型比例风险假设的限制,能够处理大规模数据,并且对个体生存函数的预测更加准确。

先验中介分析及其应用

中介分析的主要目的是研究自变量是否通过中介变量来影响因变量.中介分析方法在社会科学和生物医学等领域获得了广泛的研究和应用,已经成为这些领域主流的研究方法.无论是单个中介变量还是多个中介变量的情形,已有许多学者进行了广泛的研究,但值得注意的是,这些对中介分析的研究鲜有利用先验信息.在高维的情形下,合理地利用过往研究成果等先验信息,可以有效提升估计和检验的效果.针对这一问题,文章提出了基于先验信息的中介变量选择方法和假设检验方法.理论和数值分析结果表明,文章所提的方法在先验信息质量较好时性能优于现有的方法,在先验信息质量一般时表现出稳健性,性能与现有的方法相差不大.通过对功能基因组学数据集的分析,探索出DNA甲基化在童年创伤和皮质醇应激反应中的中介作用.

基于真实世界晚期消化道恶性肿瘤中西医结合治疗研究的统计方法探索

目的基于新的统计分析方法,利用真实世界数据探究尽早接受中西医结合治疗是否可以延长晚期消化道恶性肿瘤患者的生存时间。方法基于左截断数据,通过Copula模型构建IV期诊断时间到中西医结合治疗时间与IV期生存时间之间的联合模型。以Copula相关性参数η的估计值和显著性结果作为IV期诊断时间到治疗时间与IV期生存时间相关性的评价指标。结果数值模拟显示本研究方法在左截断比例为20%时表现较好。实际数据分析中Copula相关性参数的估计值为0.279(P<0.05),表明中西医结合治疗起始时间与IV期生存时间存在显著相关性,性别、美国东部肿瘤协作组评分、既往是否靶向治疗及转移部位1为影响IV期生存时间的显著因素。结论新统计方法可以为中西医结合治疗晚期消化道恶性肿瘤患者的有效性提供有价值的观点和分析工具。