内生性协变量下广义变系数模型的工具变量估计

在模型的部分协变量为内生性协变量的情况下,考虑广义变系数模型的一类估计问题.通过结合基函数逼近和一些辅助变量信息,提出了一个基于工具变量的估计过程.并得到了估计的相合性和收敛速度等渐近性质.所提出的估计方法可以有效地消除协变量的内生性对估计精度的影响,并且具有较好的有限样本性质.

含内生协变量的泊松回归模型的经验似然推断

在模型的协变量为内生性协变量的情况下,考虑泊松回归模型的经验似然统计推断问题。通过结合一些辅助变量信息作为工具变量,提出一个基于工具变量的经验似然统计推断过程。数据模拟表明构造的经验对数似然比函数渐近服从标准卡方分布,进而给出了回归系数的置信域。并且模拟结果表明所提出的统计推断方法可以有效地消除协变量的内生性对估计精度的影响。

含内生变量的高维部分线性模型特征筛选

主要研究了含有内生性协变量的超高维部分线性模型的重要特征筛选和变量选择问题。首先,为了消除数据内生性对特征筛选带来的选择性偏差,结合内生性协变量与工具变量的相关结构,给出了一个区分重要协变量和不重要协变量的充分条件,进而提出一种衡量变量边际效用的特征筛选方法。其次,利用提出的特征筛选方法,并结合剖面估计思想和两阶段正则估计方法,提出了一种识别重要协变量的变量选择方法。最后,在一定正则条件下,理论证明了所提出的变量选择方法可以消除数据内生性对变量选择带来的影响,从而保证了对协变量重要性具有排序一致性。

多时点APACHEⅡ评分对重症脑卒中患者死亡风险的影响与预测价值——基于MIMIC-Ⅲ数据库的资料分析

目的探讨多时点急性生理学与慢性健康状况评分Ⅱ(APACHEⅡ)对重症脑卒中患者14 d死亡风险的影响,为临床诊疗提供参考。方法收集美国重症监护医学信息数据库Ⅲ(MIMIC-Ⅲ)中3229例重症脑卒中患者的相关信息。根据患者主要脑卒中类型分为蛛网膜下腔出血(SAH)、脑出血(ICH)、缺血性脑卒中(IS)及其他类型组;根据年龄分为>60岁和≤60岁组;根据序贯器官衰竭评分(SOFA)基线值分为>3分和≤3分组。计算患者APACHEⅡ评分的每日测量值,以患者入重症监护病房(ICU)14 d内全因死亡为结局指标,获取患者的生存状态和生存时间。建立纵向数据与生存数据的联合模型,评估多时点测量的APACHEⅡ评分对患者死亡风险的影响,并进行亚组分析。结果在构建的多种联合模型中,仅纳入APACHEⅡ评分并考虑APACHEⅡ评分与年龄交互项的模型拟合效果较好。进一步分析显示,APACHEⅡ评分的变化受到年龄、性别、入院方式、SOFA评分基线值以及吸烟史的影响。控制上述混杂因素后,APACHEⅡ评分与重症脑卒中患者14 d全因死亡具有显著的相关性〔风险比(HR)=1.48,95%可信区间(95%CI)为1.31~1.66,P<0.001〕,提示APACHEⅡ评分每增加1分,患者死亡风险增加48%(95%CI为31%~66%)。亚组分析显示,对于不同类型的重症脑卒中患者,APACHEⅡ评分对SAH患者14 d死亡风险影响较大(HR=1.43,95%CI为1.10~1.85),而对ICH患者和IS患者14 d死亡风险的影响较小〔HR(95%CI)分别为1.37(1.15~1.64)、1.35(1.06~1.71)〕;APACHEⅡ评分对年龄>60岁和≤60岁患者14 d死亡风险的影响差异不大〔HR(95%CI):1.37(1.08~1.72)比1.35(1.07~1.70)〕;与SOFA评分>3分患者相比,APACHEⅡ评分对SOFA评分≤3分患者14 d死亡风险的影响较大〔HR(95%CI):1.40(1.16~1.70)比1.34(1.16~1.55)〕。结论多时点APACHEⅡ评分是评价重症脑卒中患者死亡风险的重要指标。