整合科研设计与统计分析的方法:广义综合评价

本文目的是介绍一种能将科研设计与统计分析整合在一起的方法,即广义综合评价。通过指出传统综合评价方法的局限性,并陈述了在实践中人们对很多事情从设计、实施,到完成的质量评价的广泛需求,提出有必要将传统综合评价拓展为广义综合评价这一观点。结合基本常识和有关专业知识,笔者提纲挈领地呈现了如何对科研设计的质量、课题实施的质量、系统评价的质量和统计分析的质量进行综合评价的思路和要领,言简意赅地阐释了广义综合评价的概念、功能和基本做法。

生存资料回归模型分析——生存资料及其统计分析方法概述

本文目的是全面介绍生存资料的特点及其常用统计分析方法。生存资料具有以下四个特点:①同时具有生存结局和生存时间;②生存时间可能含有删失数据或截尾数据;③生存时间的分布通常不服从正态分布,常呈指数分布、Weibull分布、对数正态分布;④影响生存时间的因素较复杂且不易控制。生存资料统计分析方法涉及统计描述、差异性分析和回归分析三大类,其中,统计描述主要有Kaplan-Meier(卡普兰-迈耶)估计法和Life table(寿命表)估计法;差异性分析主要有对数秩检验(log-rank test)和威尔考克森检验(Wilcoxon test);而回归分析主要有Cox比例和非比例风险回归模型、参数回归模型。在对生存资料进行统计分析时,需要合理选择统计分析方法,方可全面而又深入地揭示生存资料的内在变化规律。

医学科研设计方法概论

本文目的是介绍医学科研设计方法中的几个关键性内容,为实际科研工作者进行医学科研提供基本思路。首先,归纳和总结出医学科研课题的五大类,即非临床试验研究课题、临床试验研究课题、观察性研究课题、文献研究课题和真实世界研究课题。其次,呈现出医学科研设计架构,即由"设计方案""实施方案"和"结题方案"三个主方案组成,它们又可被细分为六个子方案。第三,介绍了临床试验研究注册方面的内容,涉及到何为临床试验研究注册及其意义和具体的注册方法。

复杂调查资料的特点与统计分析方法概述

复杂抽样是在抽样过程中采用除一阶段单纯随机抽样外,其他抽样方法或其组合的抽样方案。本文对复杂抽样资料的特点、基于复杂调查资料进行差异性分析、多重回归分析以及进行生存资料多重回归分析的要点进行宏观概述。为科研工作者进行复杂抽样资料的分析提供参考和借鉴。

临床试验设计之概述

本文目的是以提纲挈领的形式呈现临床试验设计之要览。首先,扼要介绍了临床研究类型和临床试验设计类型。第二,介绍了新药临床试验研究的分期和比较类型。第三,重点阐释了新药临床试验设计的核心内容,即(1)严格遵守临床试验研究方面的法律、法规、规范、原则和指南;(2)严格遵守医学伦理道德;(3)严格把握临床试验的"三要素";(4)严格遵循临床试验的"四原则";(5)合理选定临床试验"设计类型";(6)合理选定临床试验"比较类型";(7)制订并落实"标准操作规程";(8)制订并落实"质量控制策略"。

基于经典统计思想实现多重线性回归分析

本文目的是介绍基于经典统计思想实现多重线性回归分析的方法。首先,概述基于经典统计思想、贝叶斯统计思想和机器学习统计思想建立多重线性回归模型的基本思路;然后以实际问题为例,全面呈现了多重线性回归分析所需要完成的主要任务;最后,总结多重线性回归分析的适用场合及注意事项。结果表明:产生派生变量、进行自变量筛选和共线性诊断、进行异常点诊断等内容是进行多重线性回归分析的主要任务。在多因素试验或观察性研究中,只要结果变量为计量变量,比较常用且有效的做法是进行多重线性回归分析,应尽可能少用单因素差异性分析。

基于机器学习统计思想实现多重线性回归分析

本文目的是介绍基于机器学习统计思想实现多重线性回归分析的方法。首先,简要回答了几个基本问题:什么是机器学习、它能解决的统计学问题及其具体方法;进一步,还粗略地介绍了BP神经网络回归分析方法的基本思路;最后,通过一个实例详细呈现了如何基于R软件实现BP神经网络回归分析的全过程。

新药临床试验设计中的比较类型

本文目的是介绍新药临床试验设计中的四种比较类型,即一般差异性检验、非劣效性检验、优效性检验和等效性检验。通过讲解与假设检验有关的概念,总结了假设检验的种类,推理出广义差异性检验的概念;着重论述了四种比较类型和合理选用的要领;从临床试验设计角度出发,详细给出了成组设计四种比较类型下一元定量资料假设检验时样本含量估计所需要的SAS程序和应用实例,并提供了与"成组设计四种比较类型有关的其他内容的解决方案"的参考文献。

基于贝叶斯统计思想实现多重线性回归分析

本文目的是介绍基于贝叶斯统计思想实现多重线性回归分析的方法。多重线性回归分析时,单纯基于贝叶斯理论导出的公式来估计回归模型中参数的做法并不常见。最常见的做法是基于马尔科夫链蒙特卡罗(MCMC)方法来实现多重回归分析,即把蒙特卡罗方法、贝叶斯统计思想和马尔科夫链等内容有机结合起来,共同完成多重回归分析。在资料基本满足经典统计思想建模的前提条件时,基于贝叶斯统计思想构建多重线性回归模型,其效果等价于基于经典统计思想构建的多重线性回归模型。

经典统计的回归模型概述

本文目的是系统全面地总结和归纳经典统计中的回归模型及其合理选用的要领。具体方法是先按因变量的性质分为定量因变量与定性因变量两大类,再分别按自变量所具备的不同前提条件,并基于经典统计思想构建相应的回归模型。初步结果为:在定量因变量的场合下,经典回归模型大致有16种不同情形;而在定性因变量的场合下,经典回归模型大致有6种不同情形。总之,在构建经典回归模型时,应当依据因变量的性质和自变量所具备的前提条件,选择最合适的回归模型,才能达到比较理想的统计分析目的。

快速学会使用R软件的方法

本文目的是使用户快速了解R软件的概况和R语言基础,并能快速采用R软件解决常用试验设计与统计分析问题。通过扼要介绍R软件的概况、R语言的基础知识、在R环境中读入和存储数据文件的方法以及用R软件解决九个与试验设计和统计分析有关的实际问题,使用户能方便快捷地实现前述目的。事实表明:R软件易于获取、易学易用;R软件功能强大、适用面宽,能解决与试验设计、数据可视化和各种统计分析有关的问题。

新药Ⅰ至Ⅳ期临床试验设计之要览

本文目的是简要介绍新药临床试验的特点和新药Ⅰ至Ⅳ期临床试验设计之要览。新药Ⅰ期临床试验的受试对象是健康志愿者,其研究的主要内容是新药的耐受性和药代动力学;新药Ⅱ期临床试验的受试对象是与药物有对应适应证的患者,其研究的主要内容是探索合适的用药剂量,评价药物的疗效和安全性;新药Ⅲ期临床试验的受试对象是与药物有对应适应证的患者,其研究的主要内容是在更大的样本含量前提下,进一步评价药物的疗效和安全性;新药Ⅳ期临床试验的受试对象是与药物有对应适应证的患者,其研究的主要内容是在新药上市后且在开放和大样本条件下扩大受试者人群,进一步发现前期临床试验的偏差,探讨和发现药物的远期疗效和罕见的不良反应,为临床合理用药提供依据。

回归建模的基础与要领(Ⅰ)——统计模型种类的划分方法

本文目的是介绍如何划分"统计模型的种类"。首先,介绍与"统计模型"有关的基本概念;其次,陈述从"不同角度划分统计模型"的构想;最后,分别基于"统计特性""统计功能"和"预测结果"三个角度,给出更具有实际意义的"统计模型分类结果"。得到的结论是:基于"预测结果"划分统计模型,可以获得"最少种类"的划分结果;而且这种划分方法对实际工作者选择合适的统计模型具有更直接的指导作用。

如何正确运用χ^(2)检验——高维表资料统计分析方法概述

本文目的是介绍高维表资料的种类及其对应的统计分析方法。基于结果变量的资料类型,常见的高维表资料可分为以下三类,即结果变量为二值变量、多值名义变量和多值有序变量。高维表资料的统计分析方法主要有两大类,第一类为广义差异性分析,内容包括“加权χ^(2)检验”“CMHχ^(2)检验”和“Meta分析”;第二类为回归分析,内容包括“对数线性回归模型分析”“Logistic回归模型分析”“Probit回归模型分析”和“离散选择模型分析”。

合理进行多元分析——主成分分析

本文目的是介绍与主成分分析有关的基本概念、计算方法、两个实例以及SAS实现。基本概念包括相关矩阵、特征值与特征向量、主成分变量、主成分表达式和主成分的性质;计算方法涉及特征值与特征向量的求法、主成分分析的计算原理以及系数估计和个数的确定;两个实例中的资料分别为“20例肝病患者的4项肝功能指标的测定结果”和“23种肿瘤类期刊的文献计量学指标的调查结果”;借助SAS对两个实例中的定量资料进行了主成分分析,并基于主成分的计算结果分别实现了样品聚类和样品排序,并对输出结果作出了解释。

合理进行多元分析——变量聚类分析

本文目的是介绍与变量聚类分析有关的基本概念、计算方法、两个实例以及SAS实现。基本概念包括变量聚类分析、相似系数、变量聚类方法、类成分和类结构;计算方法涉及相似系数法计算过程和特征值法计算过程;两个实例涉及的资料分别是“60名正常男性10项指标的测定结果”和“36只兔子的7项指标测定结果”;借助SAS对两个实例中的定量资料进行了全面的变量聚类分析,并对输出结果给出了解释。

合理进行均值比较——具有组间异质性的增长重复测量模型

本文目的是介绍与具有组间异质性的增长重复测量模型有关的5个基本概念、计算方法、一个临床试验实例及其SAS实现。基本概念包括重复试验与重复测量、方差协方差结构、均衡性与异质性、先验分布与后验分布、混合模型与多水平模型。计算方法涉及抽样方法和先验分布。临床试验实例涉及具有异质性的两组增长重复测量数据。本文呈现了采用SAS处理实例中增长重复测量资料的全过程,包括呈现两组儿童口腔内一特定指标(简称距离)随年龄变化的增长图、构建两组儿童线性重复测量模型、构建一个既考虑到异质性又能估计性别效应的模型、直接获得与性别有关的截距和斜率的后验分布,以及基于后验估计值直接推断概率。对输出结果作出了解释,并讨论了改用多水平模型所产生的效果。

合理进行均值比较——随机区组设计定量资料多元方差分析

本文目的是介绍与随机区组设计定量资料多元方差分析有关的基本概念、计算方法、一个实例以及SAS实现。基本概念包括区组因素、如何选定区组因素、随机区组设计和不完全随机区组设计;计算方法涉及一般统计量和检验统计量;一个实例涉及“长期饲喂高锌日粮对断奶仔猪免疫机能影响的动物试验及其多元定量资料”。借助SAS实现随机区组设计定量资料的一元方差分析和多元方差分析。并讨论当区组因素对结果的影响无统计学意义时,合理的统计分析方法是不考虑区组因素,直接采用单因素多水平设计一元和多元定量资料方差分析。

合理进行多元分析——非度量型多维尺度分析

本文目的是介绍与非度量型多维尺度分析有关的基本概念、计算方法、两个实例以及SAS实现。基本概念包括非度量型、应用场合、基本思想和应力系数;计算方法涉及定义研究对象之间的次序关系和Kruskal算法的基本步骤;两个实例分别为“英文字母错误识别调查结果”和“6种糖果相似性的调查结果”;借助SAS软件,对两个实例中的数据分别进行了非度量型多维尺度分析,并对SAS输出结果做出了解释。

合理进行均值比较——泊松分布回归模型

本文目的是介绍与泊松分布回归模型有关的6个基本概念、计算方法、一个临床调查实例及其SAS实现。基本概念包括泊松分布、泊松分布回归模型、偏移量、标准化死亡比(SMR)、偏差信息准则和最高后验密度区间。计算方法涉及泊松分布回归参数的经典估算方法和贝叶斯估算方法。临床调查实例涉及1975年-1980年苏格兰56个县的唇癌观察和预期病例的数据。本文给出了采用SAS处理实例中计数资料的全过程,包括基于bglimm过程构建5个泊松分布回归模型和展示预测的SMR与观测的SMR之间的吻合程度。对输出结果作出了解释,并基于模型拟合效果评价统计量,对所构建的多个泊松分布回归模型进行比较,得出了适合本文资料的最优泊松分布回归模型。