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。

二分类反应变量多水平模型及其软件实现

目的本文针对反应变量是二分类、且存在层次结构的数据,给出多水平模型的建模步骤及在软件SPSS、SAS中的实现方法指引,为医学研究者处理这类数据提供参考。方法以卫生服务调查数据为例说明二分类反应变量两水平logistic回归模型的拟合步骤及软件实现。结果如果两水平零模型的随机系数σ检验具有统计学意义,则有必要拟合多水平模型。结论结合专业知识或对σ进行检验判断有无必要考虑高水平效应。SPSS中实现要求19.0及以上版本,操作相对简单,适合初步使用者;SAS中实现建议使用Nlmixed过程语句,利用Glimmix过程语句拟合模型的参数估计结果,为其设定相应参数初始值提供依据。

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。

广义线性混合模型在煤工尘肺发病影响因素研究中的应用

目的研究广义线性混合模型在煤工尘肺发病影响因素的应用,为煤工尘肺及类似疾病的发病影响因素研究提供新的方法。方法收集煤矿集团所属8个煤矿所有接尘矿工的资料,用SAS进行卡方检验、Logistic回归进行尘肺发病影响因素研究,并与SAS nlmixed模块实现的广义混合现行模型结果进行比较。结果单因素分析、Logistic回归和广义线性混合模型显示:工龄、接尘时间和工种均为尘肺发病的影响因素,工作地点作为随机效应结果差异无统计学意义。结论广义线性混合模型因考虑了不同工人工作地点的不同和随机效应,结果虽然和其他方法一致,但是更有说服力,与其他方法相比是研究尘肺发病影响因素较好的方法。

有序多分类重复测量资料的广义线性混合效应模型分析

目的 探讨广义线性混合效应模型在有序多分类重复测量资料分析中的应用及SAS9.1的GLIMMIX和NLMIXED过程实现.方法 为了评价某新药治疗糖尿病神经病变的临床疗效,采用以安慰剂为对照的随机双盲临床试验.在各个随访时间记录各受试者的神经病变主觉症状总分,并根据减分率评定疗效.建立广义线性混合效应模型,并分别用线性化法和数值法积分近似法进行参数估计,利用SAS中的GLIMMIX和NLMIXED过程得以实现.结果 2种参数估计方法 结果 很接近.疗效的组间差别有统计学意义（P〈0.000 1）,试验组疗效优于安慰剂组;各个疗程间的疗效差别有统计学意义（P〈0.000 1）,且疗程越大疗效越好; 治疗前神经病变主觉症状总分对疗效有影响（P=0.061 3,接近显著性水平）,其值越高,越容易治愈,提示病情严重的患者相比病情轻微的患者治愈效果更好.另外用数值法积分近似法还给出了随机截距和随机斜率的统计显著性检验.结论 采用广义线性混合效应模型对有序多分类重复测量临床资料进行统计分析,可以更客观的进行药物疗效评价.

SAS宏程序%HPGLIMMIX在大样本数据广义线性混合模型参数估计中的应用

目的 SAS软件中目前实现广义线性混合模型的过程步主要包括PROC GLIMMIX和PROC NLMIXED,两种方法在实际应用中各有侧重。本文介绍一个可以提高广义线性混合模型运行效率的SAS宏程序%HPGLIMMIX的使用方法及其结果解读。方法通过实例数据,介绍%HPGLIMMIX分析正态分布和二项分布数据的过程,并展示采用%HPGLIMMIX分析大样本数据的性能优势。结果对于小样本正态分布和二项分布数据,采用%HPGLIMMIX和GLIMMIX、NLMIXED分析的用法基本一致。对于大样本数据,%HPGLIMMIX可进行模型拟合并可有效节省时间及计算资源。结论 %HPGLIMMIX可有效提升大样本数据的广义线性混合模型拟合的效率。NLMIXED过程可以快速准确地进行参数估计。