数据非随机缺失机制的混合效应模式混合模型分析与应用

目的阐明混合效应模式混合模型原理,实现数据非随机缺失机制医学纵向资料的模型分析。方法采用限制极大似然法进行参数估计,拟合含非随机缺失数据高血压随访资料的混合效应模式混合模型,利用SAS9.2完成模型参数估计与检验等。结果在混合效应模式混合模型(组间模型和组内模型)中得到四种缺失模式下的参数估计值及可信区间后,根据各缺失模式概率,求得参数总估计值。结论混合效应模式混合模型是分析数据非随机缺失机制资料的最佳选择。

临床纵向数据缺失的随机效应模式混合模型及SAS实现

目的:临床纵向研究经常发生数据缺失,但处理起来较为棘手。本研究欲阐明一种随机效应模式混合模型用于纵向数据缺失的分析方法。方法:介绍随机效应模式混合模型的原理,给出构建缺失模式变量的方法,借助一个临床试验实例介绍方法的应用和SAS实现过程,并与随机效应模型方法进行比较。结果:随机效应模式混合模型引入缺失模式变量,考虑了缺失的发生特点,其拟合效果优于随机效应模型。结论:随机效应模式混合模型可灵活、有效处理具有缺失数据的纵向研究数据,为敏感性分析提供了新的方法学支持。

针刺治疗功能性便秘研究中校正填补值的模式混合模型方法

目的:阐明校正填补值的模式混合模型原理,实现针刺临床纵向研究的模型分析。方法:采用3阶段方式实现数据非随机缺失机制的模式混合模型构建,运用多重填补技术整合填补数据结果,利用SAS 9.4完成模型各参数估计。结果:从原始数据库中提取378(378/1075,35%)例患者数据,其中缺失数据15(15/25,60%)例,不同校正水平下,电针疗效结果稳定。结论:校正填补值的模式混合模型与多重填补方法相结合方式,为多重填补法的敏感性分析提供了可靠的方法学支持,为纵向非随机缺失数据临床研究提供了新的思路。

不同模型处理纵向缺失数据的模拟研究及应用

目的探讨纵向缺失数据在不同缺失机制下,广义估计方程(GEE)、线性混合效应模型(LME)和模式混合模型(PME)处理纵向缺失数据的灵活性。方法先模拟产生完整的纵向数据集,再生成不同缺失机制的数据集,用三种模型进行分析与比较,最后用实例来验证模拟结果。结果模拟研究表明MCAR缺失机制下,三种模型均能得到无偏和有效的估计;MAR缺失机制下,LME模型较GEE、PME模型更能提供有效的参数估计;MNAR缺失机制下,PME模型比GEE、LME模型更能提供有效的参数估计。实例分析也表明在MAR缺失机制下,LME模型拟合纵向缺失数据更优。结论在分析纵向缺失数据时,需要依据数据的缺失机制来选择合适的模型,从而得到合理而有效的结果。

含非随机缺失数据的面板数据参数估计方法

抽样调查领域常采用对多个受访者进行跟踪调查得到面板数据,进而对总体特性进行统计推断,在面板数据中常含缺失数据,大多数处理面板缺失数据的软件都是直接删去含缺失值的受访者以得到完全数据集,当数据缺失机制为非随机缺失时会导致总体参数估计结果有偏。本文针对数据缺失机制为非随机缺失的情形,阐述了如何对面板数据进行统计分析,主要是基于模型的似然推断法,对目标变量、缺失指示变量和随机效应向量的联合分布建模,在已有选择模型和模式混合模型的基础上,引入随机效应,研究目标变量期望的计算方法,并研究随机效应杂合模型下参数的估计方法,在变量分布相对简单的情形下给出了用极大似然法推断总体参数的估计步骤,最后通过模拟分析比较方法的优劣。

网络Meta分析研究进展系列(十七):网络Meta分析中缺失结局数据的处理策略

本文主要介绍了在网络Meta分析中如何处理缺失结局数据的策略,以期提高NMA制定者和使用者规范实施和解读缺失数据NMA的能力。

基于RUP的UML建模方法在电子地图系统开发中的应用

以电子地图系统的开发为背景,介绍了在面向对象应用系统的分析与设计过程中,应用基于RUP的UML的建模技术进行系统建模的方法。在对系统进行需求分析的基础上,灵活选用UML提供的语言丰富的可视化表达元素,构建了系统的用户需求模型、混合模式体系架构模型、分析设计模型和实现模型。

纵向抽样调查中缺失值的预防和处理方法

在不同时点对同一批受访者进行追踪调查称为纵向调查，由于受访者退出调查等原因，纵向调查中常出现数据缺失的现象，如处理不当，会造成参数估计效率降低，甚至会导致估计的偏倚。文章从缺失数据的事前预防和事后处理两个方面研究了预防和处理纵向调查中缺失数据问题的方法，针对缺失机制为随机缺失和非随机缺失两种情形，研究了插补方法和似然建模方法（包括EM算法、选择模型法和模式混合模型法）两类针对含缺失数据集的参数估计方法，并给出了各自的适用范围。

非随机缺失机制下基于模型的参数似然估计方法研究

在纵向抽样调查活动中,常出现变量数据缺失的情况,如何对含缺失的数据集进行总体参数估计是一个热点话题。目前已有方法主要适用于随机缺失机制下的缺失数据分析问题,常采用插补法生成完整数据集,基于此进行参数估计。本文在非随机数据缺失机制下,研究了几种基于模型的参数似然估计方法,包括模式混合模型法和选择模型法,对单调缺失模式下含缺失纵向调查数据给出了参数估计范例,进而引入随机效应参数,将两种方法加以推广。

脱落率加权调整在医学重复测量资料敏感性分析中的应用及其SAS程序实现

目的探讨脱落率加权调整在医学重复测量资料敏感性分析中的应用和SAS实现过程。方法运用SAS 9.4软件编写SAS程序,采用重复测量混合效应模型对多变量重复测量资料进行协方差分析;同时,分别引入试验总体脱落率和各组脱落率,构建基于脱落率加权调整的模式混合模型进行敏感性分析。结果重复测量资料安慰剂组、低剂量组和高剂量组的脱落率分别为8.77%、11.79%和16.15%,各组脱落率之间的差异有统计学意义(P=0.025);混合效应模型结果显示,试验高、低剂量组与安慰剂组疗效指标较基线改变量之间的差异均有统计学意义(P=0.008和P=0.002);使用试验各组脱落率进行加权调整的模式混合模型敏感性分析结果与重复测量混合效应模型结果一致。结论基于脱落率加权调整的模式混合模型可应用于医学重复测量资料敏感性分析中;SAS程序编写可为脱落率加权调整在医学重复测量资料敏感性分析中的推广应用提供实践依据。