油松树高-胸径非线性混合效应模型的构建

为准确预估油松林木树高生长,探究样地间林分状况差异及样地内观测变量的相关性对树高生长预测的影响,以西宁南北山油松针阔混交林为研究对象,采用2013、2016-2021年的固定样地调查数据,从9个备选树高-胸径模型中选择最优基础模型,根据多元逐步回归结果,加入大于对象木的胸高断面积之和(BAL)、Shannon树种多样指数(H_(ba))、林分总断面积(BA)、坡率和坡向的组合项(SLC)构建广义模型,同时考虑样地水平的随机效应再构建广义混合效应模型,分析比较3种模型,确定最优树高预测模型。结果表明:3种模型的拟合效果和预测精度均表现为广义混合效应模型最优,广义模型次之。广义混合效应模型预测结果表明,树高生长与BAL和H_(ba)呈负相关,与BA和SLC呈正相关;BAL、H_(ba)和SLC对树高预测的影响程度随胸径的增加而增加,BA对树高预测的影响程度随胸径的增加而减小;在胸径≤8 cm时树高增速最快,BAL、H_(ba)、BA越小且SLC越大,树高增速越快。本研究构建的油松树高-胸径广义混合效应模型可为西宁地区及相似生态区油松树高生长预估提供参考。

利用2种非线性混合效应模型(2水平)对杉木林胸径生长量的分析

选择2种2水平非线性混合模型对杉木林胸径生长量进行分析,其中模型1为一般的2水平非线性混合模型,模型2在模型1的基础上进一步考虑固定效应参数随某一特定因子水平变化而变化。本文通过对这2种模型的分析,首先确定构建2水平非线性混合模型的基础模型,然后对模型1衍生出的665种模型及模型2衍生出的2703种模型进行计算和比较:对于模型1,有57种模型计算收敛,当形参b0同时考虑区组和样地效应、而b4和b5只考虑区组效应时,模型拟合效果最好,因此把该模型作为模型1的最佳拟合模型;对于模型2,有24种模型计算收敛,当形参b5同时考虑区组和样地效应、b1只考虑区组效应并且固定效应b0的取值与各区组水平有关时,模型拟合效果最好,因此把该模型作为模型2的最佳拟合模型。最后对传统的非线性回归模型、模型1及模型2进行比较:模型1和模型2的拟合效果都比传统的非线性回归模型好,且模型2的拟合效果最好。

红松树高-胸径的非线性混合效应模型研究

以吉林省汪清林业局的蒙古栎阔叶混交林和云冷杉阔叶混交林24块固定样地中的2 598株红松为研究对象,利用Chapman-Richards方程建立了不含随机效应与含随机效应的单木树高-胸径简单模型和广义模型。模型拟合和检验的评价指标主要包括调整决定系数(R_a^2)、平均相对误差绝对值(RMA)和均方根误差(RMSE)。对于混合效应模型,设计了随机抽取、抽胸径最大的树、抽胸径最小的树和抽平均木4种抽样方案计算随机参数,通过对比4种抽样设计下模型的误差统计量,分析了不同抽样设计下样本数量和预测精度的关系。结果表明:基于混合效应模型的红松单木树高-胸径模型拟合效果(简单模型的R_a^2在0.753~0.886之间,RMA在11.3%~15.1%之间,RMSE在1.38~2.01 m之间;广义模型的R_a^2在0.754~0.886之间,RMA在11.1%~15.0%之间,RMSE在1.38~2.01 m之间)优于不含随机参数的红松单木树高-胸径模型(简单模型的R_a^2在0.502~0.868之间,RMA在12.2%~17.8%之间,RMSE在1.42~2.65 m之间;广义模型的R_a^2在0.711~0.877之间,RMA在11.6%~17.2%之间,RMSE在1.41~2.10 m之间);包含随机效应的简单模型和广义模型拟合效果没有明显的差异,表明基于混合效应模型的单木树高-胸径简单模型可以很好地描述树高-胸径关系在不同森林类型、不同样地间的差异,因此不需要在树高-胸径模型中增加其他自变量;抽取平均木的抽样设计优于其他3种抽样设计,且抽取4株平均木时,预测精度提升最为明显,综合预测精度和调查成本的考虑,在实践中应用包含随机效应的红松树高-胸径模型时,推荐在样地中抽取4株平均木测量其树高来估计随机参数。

非线性混合效应模型参数估计方法分析

非线性混合效应模型是针对回归函数依赖于固定效应和随机效应的非线性关系而建立的。一阶线性化算法(FO)和条件一阶线性化算法(FOCE)为2种计算非线性混合效应模型参数的常用线性化算法。本文基于FOCE算法,提出一种改进的随机效应参数计算方法,并利用树高生长数据和模拟数据对3种算法进行分析和比较。结果表明:改进的FOCE算法得到的随机效应参数更能反映个体间的随机差异,并且拟合效果更好。

非线性混合效应模型法估算肾移植患者环孢素A清除率

目的 用非线性混合效应模型法考察年龄、性别、体重、合并用药等对环孢素A清除率的影响。方法 收集临床 2 2 1例肾移植患者 32 3人次于肾移植后服用CsA达稳态的血药浓度谷值数据 ,应用非线性混合效应模型估算其清除率。结果 按口服一室开放模型计算CsA群体药动学参数 :清除率CL(L·h-1) =12 .81- 0 .0 6 7·年龄 +0 .10 1·体重。结论 患者体重、年龄对环孢素A清除率有显著影响。

非线性混合效应模型评估脑瘫患儿粗大运动功能发育进程

目的采用非线性混合效应模型对不同级别脑瘫患儿粗大运动功能发育进程进行分析,以期为脑瘫患儿康复管理提供依据。方法以2000年8月至2009年12月在上海7家康复机构和特殊学校接受康复诊治的脑瘫患儿为研究对象。采用中文译本的粗大运动功能测试量表(GMFM)进行粗大运动功能评估、中文版脑瘫粗大运动功能分级系统(GMFCS)进行粗大运动功能分级,分别将各GMFCS级别患儿的GMFM-66分值使用stablelimit模型分析,获得各GMFCS级别患儿达到其GMFM-66的最大值以及达到最大值的速率(该值被转化为年龄-90,表示达到GMFM-66最大值90%时的年龄)。同时与加拿大相关研究(OMG)进行比较,分析不同干预背景下脑瘫患儿的粗大运动功能发育进程差异。结果 228例脑瘫患儿进入分析,其中男性152例(66.7%),女性76例(33.3%),痉挛型双瘫87例(38.2%),痉挛型四肢瘫63例(27.6%),痉挛型偏瘫48例(21.1%),痉挛型三瘫4例(1.8%),肌张力障碍型4例(1.8%),徐动型11例(4.8%),共济失调型11例(4.8%)。共有986次符合条件的GMFM-66测试结果,平均每例患儿有4.32次测试结果。首次评估时总体研究对象的平均年龄为2.95岁。GMFCSⅠ～Ⅴ级的GMFM-66最大值分别为81.2、62.4、52.9、40.8和24.4分,呈显著降低趋势;年龄-90分别为3.8、2.7、2.1、2.0和1.5岁,GMFCSⅢ和Ⅳ级间差别不大,在其余各级间表现出明显差别。本研究的GMFCSⅠ和Ⅱ级的GMFM-66最大值低于OMG,而GMFCSⅢ～Ⅴ级的GMFM-66最大值与之较为接近;各GMFCS级别的年龄-90均明显低于OMG。结论本研究GMFCSⅠ级和Ⅱ级脑瘫患儿尽管粗大运动功能发育更早地进入了GMFM-66最大值区域,但运动功能发育的峰值水平低于OMG,应充分重视在4岁后轻度脑瘫患儿中积极实施具有针对性的多种康复干预手段。

非线性混合效应模型法研究卡马西平在癫痫儿童中的群体药动学

目的:考察卡马西平(CBZ)在癫痫儿童中的群体药动学参数。方法:采集我院的866例儿童癫痫患者服用CBZ常规治疗及监测的资料数据,利用Michaelis-Menten一级消除药物动力学模型,非线性混合效应模型程序估算癫痫儿童服用CBZ的群体药动学参数。结果:癫痫儿童卡马西平群体药动学主要参数Ke、Vd、CL在单用CBZ组分别为0.091h-1、0.502L.kg-1和0.046L.h-1.kg-1;性别、身高以及合并氯硝西泮、妥吡酯对CBZ清除率未见明显影响;儿童年龄、体质量、肝肾功能异常以及合并丙戊酸、苯巴比妥、苯妥因为CBZ清除率影响的重要因素,并且均增加CBZ的清除率。结论:根据癫痫儿童的群体药动学模型,结合患儿的年龄、体质量、肝肾功能、服药剂量以及合并用药等资料,估算其清除率,预测患儿体内的药物浓度,制定个体化给药方案。

非线性混合效应模型和广义线性模型拟合随机效应logistic回归的应用比较

在临床药物试验中药物疗效的评价经常遇到二分类资料,即反应变量有两个水平如有效、无效;成功、失败等。二分类变量服从二项分布,可采用logistic回归模型。运用logistic回归模型对分类资料进行分析,能给实际研究带来很多便利。与多元线性回归相比,logistic回归具有许多独特的优点,如对正态性和方差齐性不做要求,系数的可解释性等。

利用两水平非线性混合效应模型建立温州地区天然阔叶树树高曲线

以永嘉县四海山林场7块天然阔叶林样地中602株林木为例,首先选用6种常用的树高曲线方程模拟该阔叶林主要树种的树高曲线,根据决定系数、均方根误差、平均相对误差3个统计量以及残差图检验,确定1个用于构建混合效应模型的基础模型。然后确定树种间的差异和样地间的差异作为随机效应,构建两水平的非线性混合效应模型,并利用AIC、BIC等指标评价不同混合模型的效果。结果表明,在树种水平和样地水平均同时考虑2个参数的随机效应时,模拟温州地区天然阔叶树树高曲线混合效应模型拟合效果最好,能够显著提高模型的拟合精度、大幅度减小模型误差;混合效应模型随机参数的方差协方差表明,天然阔叶树的树高曲线的变化主要受树种的影响,其次是样地的影响。

非线性混合效应模型估算环孢素在人体相对生物利用度和药动学参数

目的:用非线性混合效应模型(NONMEM)估算环孢素2种制剂在人体的相对生物利用度和药动学参数。方法: 20名男性志愿者随机、交叉单次口服环孢素微乳剂和普通乳剂500mg。HPLC法测定血药浓度。经典药动学方法和NONMEM法估算相对生物利用度和药动学参数。结果:用NONMEM法估算环孢素微乳剂生物利用度是普通乳剂的(209±s60) %;普通乳剂和微乳剂的V/F分别是(0. 30±0. 10), (0. 14±0. 06)L;Ka分别是0. 40±0. 11, 0. 9±0. 5;Ke分别是0. 16±0. 18, 0. 32±0. 13;K12分别是0. 23±0. 17, 0. 20±0. 17;K21分别是0. 021±0. 021, 0. 17±0. 08, 与传统方法相比基本一致。结论:NONMEM法为药物生物利用度评价和药动学参数计算提供一种简捷和快速的数据分析途径。

非线性混合效应模型法处理癫痫患者苯妥英血药浓度数据

目的 :估算癫痫患者苯妥英群体药动学参数 ,考察各因素对最大消除速率常数Vm 及米氏常数Km 的影响。方法 :83例癫痫患者口服苯妥英钠片 ,FPIA法监测血药浓度数据 96个 ,应用非线性混合效应模型进行计算。结果 :按照米氏方程计算苯妥英药动学参数 ,Km =1 2 .8mg·L-1 ,Vm=4 99.0mg·d-1 。结论 :性别、年龄、体重、合并用药等对药动学参数均无显著性影响 ,Km 个体差异极大并呈现双相分布。

分类重复测量数据的非线性混合效应模型

[目的]探讨分类重复测量数据的非线性混合效应模型及SAS8.0软件NLMIXED过程实现。[方法]直接拟合分类反应变量的非线性概率模型,结合重复测量资料的特点,采用附加高斯积分来获得最大似然的参数估计。[结果]非线性混合效应模型能很好地拟合分类反应变量的重复测量资料,它允许固定效应和随机效应进入模型的非线性部分,可方便地分析随机缺失等非均衡数据。[结论]分类反应变量重复测量资料的非线性混合效应模型分析结果合理、容易解释,为分类重复测量资料提供一种新的分析思路。

非线性混合效应模型在交叉设计等级资料分析中的应用

目的探讨非线性混合效应模型在交叉试验等级资料中的应用,为临床试验交叉设计资料的正确分析提供方法学参考。方法采用SAS软件包的NLMIXED过程拟合模型,并以某治疗精神分裂症药物临床试验资料进行实例分析。结果获得了各参数及其标准误的估计值,并可以对各因素进行直观的解释。结论非线性混合效应模型不仅可以纳入随机效应,并可以根据需要纳入如中心、年龄、性别、基线值等协变量进行分析,同时对缺失数据处理具有较好的稳健性,是处理交叉设计中等级资料的有效分析方法。

非线性混合效应模型法估算肾移植患者环孢素A的相对清除率

目的用非线性混合效应模型(NONMEM)法定量考察年龄、性别、体重、合并用药、肝功能、合并症和服药持续时间对清除率的影响。方法收集中山大学附属第一医院由1999～2001年临床221例肾移植患者323人次肾移植后服用环孢素A(CsA)3d以上谷值浓度,应用SAS程序估算其药动学参数(参考NONMEM程序一步法)。结果按口服吸收一室开放模型的群体药动学参数清除率CL、表观分布容积Vd分别等于13.46L·h-1,228.2L,浓度观察值与模型预测值的残差变异σE(%)等于0.0065。其个体间变异σCL(%)为5.94。CL(L·h-1)的最终回归方程为CL=13.46-0.063A+0.082W。其中A为患者年龄;W为患者体重(kg)。结论年龄越大,CL越小;体重越大,CL越大。

番鸭体重生长非线性混合效应模型评价的研究

【目的】定量描述和估计本地番鸭体重生长的轨迹和参数。【方法】本研究对116只番鸭进行了21weeks的饲养和观测;利用5种生长函数(Gompertz、Logistic、VonBertalanffy、Richards和Brody)拟合了番鸭体重生长的非线性混合效应模型;分别计算了这些模型的8个生长参数(成熟体重、拐点日龄、拐点体重、初生体重、绝对生长率、相对生长率、绝对成熟率和相对成熟率);根据信息准则、误差方差的大小和生长参数估计值的准确度,比较了不同模型间的拟合和估计结果。【结果】与非线性固定效应模型比较,5种非线性混合效应模型拟合的番鸭体重生长方程和估计的8个生长参数,其准确度整体上提高了许多;全群番鸭体重生长Gompertz非线性混合效应模型,其信息准则最小,误差方差减少量达99.92%;雄、雌番鸭体重生长Richards非线性混合效应模型,其信息准则最小,误差方差减少量分别是89.80%、91.81%。【结论】Gompertz和Richards非线性混合效应模型分别是评价全群和雄、雌番鸭体重生长的最优模型。

非线性混合效应模型拟合Logistic回归在临床试验中的应用

目的探讨非线性混合效应模型拟合Logistic回归在临床试验中的应用。方法采用SAS软件包的NLMIXED过程拟合模型,并以两例药物临床试验资料进行实例分析。结果获得了各参数及其标准误的估计值,并可以对各因素进行直观的解释。结论非线性混合效应模型允许固定效应和随机效应进入模型的非线性部分,可以拟合具有非线性的Logistic回归模型,是临床试验中分析二项分布数据有效方法。

重复测量资料非线性混合效应模型应用与实现

目的探讨重复测量资料非线性分析技术、SAS软件NLMIXED过程及在群体药动学的应用。方法结合重复测量数据特点,采用最大似然原理进行参数估计,建立非线性混合效应参数模型。结果该模型不仅考虑了个体内和个体间变异,而且也考虑了参数间的非线性,允许固定效应和随机效应进入模型的非线性部分;可方便地分析随机缺失等非均衡数据;有助于引入其他解释变量时最佳模型的选择,更客观地解释其对代谢过程的影响。结论当重复测量资料不满足线性条件时,使用非线性混合效应模型能更客观地反映原数据特征,挖掘资料蕴藏的信息,弥补线性理论分析非线性重复测量资料之不足。

基于非线性混合效应模型的柠条株高生长过程研究

【目的】建立宁夏盐池地区柠条林株高生长量与种植年限关系模型,为精确掌握柠条林的生长过程提供依据。【方法】以盐池县北部、中部、南部的柠条林为研究对象,考虑不同地区立地条件的差异性及种植密度对株高生长的影响,对原有生长方程进行改进,并在改进的基础上利用非线性混合效应(NLME)模型方法建立其株高生长量与种植年限的关系模型,用幂函数、指数函数、常数加幂函数考虑数据间的异方差性,最后对NLME模型与传统模型、改进后的模型、不含随机效应的NLME模型的精度进行对比分析。【结果】相较其余3种模型,含有随机参数且考虑异方差结构的NLME模型精度有显著提高,其调整后的决定系数可达到0.986 5,平均绝对误差和剩余均方根误差分别为0.073 2和0.094 2。【结论】基于改进后Korf方程建立的柠条株高生长量与种植年限关系的NLME模型,考虑了种植密度对株高生长的影响,消除了数据间的异方差性,可准确描述盐池县不同地区柠条株高的生长过程。

多层非线性混合效应模型评价番鸭体重生长

【目的】寻找定量描述本地番鸭体重的生长模型。【方法】利用Richards生长函数,设计番鸭体重的4种生长模型,包括考虑个体、性别的二层非线性混合效应模型(ModelⅠ),考虑个体、性别、资料自相关性的二层非线性混合效应模型(ModelⅡ),考虑个体的单层非线性混合效应模型(ModelⅢ),忽略个体和性别的零层非线性固定效应模型(ModelⅣ),描述了番鸭个体和群体生长特征。比较了番鸭体重生长4种模型的信息准则、误差方差、不同体重测定点日龄的平均测定值和模型拟合值、模型和生长参数估计值。【结果】ModelⅡ的拟合效果整体最好,估计了公、母的初生体重及成熟体重和生长速度最大的日龄、体重、绝对生长率,分别是40 g、3 504 g及43 d、1 523 g、65 g.d-1和40 g、2 209 g及36 d、977 g、45 g.d-1。【结论】考虑个体、性别、资料自相关性的Richards二层非线性混合效应模型是评价本地全群及公、母番鸭体重生长的最优模型。

非线性混合效应模型法建立12岁以下癫痫儿童拉莫三嗪的群体药代动力学数学模型

目的采用非线性混合效应模型法(NONMEM法)建立拉莫三嗪(LTG)在12岁以下癫痫儿童中的群体药代动力学(PPK)数学模型,分析其用于预测癫痫患儿LTG血药浓度的可能性。方法收集118例服用LTG的癫痫患儿159份血药浓度监测数据和临床生化指标。通过NONMEM软件建立LTG在癫痫患儿中的PPK数学模型,用自举法(Bootstrap)评估数学模型参数的精确度,并用正态化预测分布误差(NPDE)作进一步评估和验证。结果最终回归数学模型:清除率(CL/F)=1.52×(WT/40)0.87×e-2.63,分布容积(V/F)=290.30×(AMT/100)0.75,CL/F、V/F典型值分别为1.52 L·h^-1和290.30 L。Bootstrap评估显示,最终回归数学模型的稳定性和效能均良好,典型值和固定效应参数的RSE均<16%(6.54%~15.22%)。NPDE分析显示,LTG的PPK最终模型模拟数据为标准正态分布,个体间变异度从72.61%下降到15.23%,表明LTG的PPK模型的变异度良好。结论运用NONMEM法建立的LTG在12岁以下癫痫患儿的PPK数学模型,可用于预测癫痫患儿LTG血药浓度。