利用混合效应线性模型分析HAART后的CD4+细胞变化

目的了解接受高效抗逆转录病毒治疗(HAART)艾滋病病人CD4+细胞变化趋势,分析对吸毒感染人群与其他途径感染人群治疗效果的异同。方法描述CD4+细胞在治疗后1年内不同时点上的分布情况;利用混合效应线性模型,拟合CD4+细胞与感染途径、年龄、性别、婚姻状况和检测时间等因素之间的关系。结果CD4+细胞计数与治疗时间和开始治疗时CD4+水平正相关,含3TC方案高于不含3TC方案;吸毒感染人群与其他途径感染人群的免疫学效果不存在统计学差异(P>0.05)。结论接受HAART治疗后1年内,CD4+细胞计数随治疗时间有上升的趋势,且吸毒感染人群坚持HAART治疗,其免疫学效果肯定。

混合效应线性模型与单因素方差分析在重复测量数据中的应用比较

目的:通过混合效应线性模型与单因素方差分析在重复测量资料中的应用比较,旨在说明两方法在处理重复测量资料时的应用特点。方法:用混合效应线性模型和单因素方差分析处理重复测量资料并比较。结果:混合效应线性模型和单因素方差分析都是处理重复测量资料的重要统计方法,前者在选择协方差结构下可对重复测量资料的固定效应和随机效应参数及协方差矩阵进行参数估计和统计检验,后者可对重复测量资料的固定效应做出统计推断。结论:混合效应线性模型是处理重复测量资料的有力方法,它对资料的协方差结构要求宽松,且结论可靠;单因素方差分析对资料的协方差结构有严格的限定。

基于在线更新的线性混合效应模型的参数估计

本文考虑在线更新数据集下线性混合效应模型的参数估计问题,提出了对应的在线更新估计方法,并证明了所得估计量的相合性.通过数值模拟发现,在不同的参数设置下,该方法的表现良好.将该方法与全局估计进行对比发现,虽然该方法在估计误差方面的表现不如全局估计,但是该方法能适用于在线更新数据集的情形,且大大降低了估计量的估计时间,以及估计时对计算机存储性能与计算性能的要求.

基于正交投影的线性混合效应模型的弹性网变量选择

本文考虑线性混合效应模型的变量选择问题.通过结合QR分解和弹性网惩罚方法,提出了一种线性混合效应模型中固定效应的变量选择方法.先通过QR分解技术消除随机效应对模型的影响,再利用弹性网构造固定效应的惩罚最小二乘目标函数,从而同时进行回归系数的估计和变量选择,证明了所得估计的组效应性质.所提出的变量选择过程不仅可以将固定效应和随机效应分离,使得两者之间互不影响,而且拥有弹性网方法的组效应性质.模拟研究了所提出方法的有限样本性质.

置信区间宽度等高线图在线性混合效应模型样本量规划中的应用

线性混合效应模型在分析具有嵌套结构的心理学实验数据时具有明显优势。本文提出了置信区间宽度等高线图用于该模型的样本量规划。通过等高线图,确定同时符合检验力、效应量准确性以及置信区间宽度要求的被试量和试次数。结合关注被试内实验效应和被试变量调节效应的两类典型模型,通过两个模拟研究,采用基于蒙特卡洛模拟方法,探索效应量、随机效应大小和被试变量类型对置信区间宽度等高线图及样本量规划结果的影响。

基于线性混合效应模型双惩罚变量选择研究老年人抑郁影响因素

目的应用线性混合效应模型双惩罚变量选择对老年人抑郁量表得分(GDS)进行分析,旨在研究老年人抑郁的主要影响因素。方法数据来源于美国国家阿尔茨海默协作中心,筛选2018—2023年期间连续随访5次以上的165人的830次随访结果。首先构建线性混合效应模型,然后采用双惩罚变量选择方法同时对固定效应和随机效应进行变量选择,利用坐标下降算法寻找最小的BIC、AIC、EBIC、BICC值,从而找到惩罚参数的最佳组合。结果惩罚参数的最佳组合为λ_(1n)=0.07,λ_(2n)=0.03。模型选择出固定效应:自理能力、静息心率、记忆力损伤,估计值分别为0.0574、0.0121、1.6232;性别、生活状况、烟龄、嗜酒等具有随机效应。结论研究结果表明受试者自理能力、静息心率、记忆力损伤与老年抑郁呈正相关,其中记忆力损伤对老年抑郁的影响最大。此外,老年抑郁影响因素存在个体差异性,个体差异性最大的因素是身高和视力损伤。最后针对变量选择结果本文给出了应对和预防老年抑郁的相关建议。

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。

纵向数据下线性混合效应模型的贝叶斯变量选择

在纵向数据下讨论了如何采用贝叶斯方法将线性混合效应模型分别进行固定效应和随机效应选择的问题。针对固定效应选择,首先给出线性混合模型的似然函数,然后对于固定效应引入Spike-and-Slab混合先验,对于随机效应中的协方差矩阵给定Inverse-Wishart分布先验,运用二元潜变量标记固定效应中的活跃协变量,给出满条件分布及相应的Gibbs抽样算法。针对随机效应选择,采用Cholesky分解对线性混合模型中的协方差矩阵进行重新参数化,从而将随机效应分布的协方差参数函数作为标准正态潜在变量的回归系数,通过为随机效应协方差分解后的参数选择Spike-and-Slab混合先验,利用分层贝叶斯模型识别零方差的随机效应,给出满条件分布以及相应的Gibbs抽样算法。使用模拟数据说明方法的有效性,最后将模型应用于2017年2月至2018年2月的26家上市银行的实际数据,验证了方法的优良性。

基于BP-L_(2)混合算法的线性混合效应模型在帕金森病语音信号中的应用

通过对帕金森病语音信号多重共线性纵向高维数据的预处理和分析,可为相关医疗机构提供重要信息。首先采用随机森林对数据进行预处理,得到降维数据集,通过相关性分析得知该数据存在多重共线问题;然后在BP神经网络中引入L_(2)正则化改变其目标函数,解决临床数据经常存在的数据多重共线性,以便更好地拟合线性混合效应模型;最后对比分析引入BP-L_(2)混合算法前后线性混合效应模型的AIC、BIC和-LogLik指标,证明引入该算法的优势。

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。

广义线性混合效应模型及其应用

[目的]探讨广义线性混合效应模型在医学研究领域中的应用。[方法]通过实例分析说明模型的实际应用。[结果]将实例中的多中心临床实验数据中不能直观观测到的中心的效应以随机效应项纳入模型来解决由于来自同一中心可能造成的观测间不独立的问题,模型很好地处理了此类数据。[结论]广义线性混合效应模型可以分析观测间相关、因变量为非正态分布的非独立数据。

基于纵向数据线性混合效应模型的老年人抑郁影响因素研究

目的应用线性混合效应(linear mixed effect,LME)模型对老年抑郁量表得分情况进行拟合分析,探讨老年人抑郁情况及其影响因素。方法数据来源于美国国家阿尔茨海默合作中心(National Alzheimer’s Coordinating Center,NACC),采用简版老年人抑郁量表对老年人抑郁情绪进行调查,从2011年进行首次调查的1 345人中筛选出连续随访4年共计230人;根据赤池信息准则(Akaike information criterion,AIC)、贝叶斯信息准则(Bayesian information criterions,BIC)值最小化原则,选择合适的方差-协方差结构(UN)对该数据进行拟合和模型参数估计,利用SAS软件中的MIXED模块对该纵向数据进行建模与分析。结果 LME模型结果显示,受教育年限越长(β=-0. 103,P=0. 016),简版老年抑郁量表(Geriatric Depression Scale,GDS)得分越低;离婚的老年人相比于在婚状态的老年人GDS得分高(β=0. 742,P=0. 025),独居的老年人比在婚状态的GDS得分高(β=1. 495,P=0. 024);复杂活动需要帮助的老年人相比于完全能自理的老年人GDS得分更高(β=0. 420,P=0. 036);近2年经常感到沮丧的老年人GDS得分更高(β=1. 176,P <0. 0001);痴呆状态的老年人比正常认知老年人GDS得分高(β=1. 068,P=0. 003),MCI状态的老年人也比正常状态的老年人GDS得分高(β=1. 020,P=0. 001)。结论线性混合效应模型能有效地处理纵向数据;低文化水平、低自理能力、低认知状态、离婚是造成老年抑郁的重要因素。

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。

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。

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。