基于边缘结构模型的慢性乙型肝炎抗病毒疗效评估

目的介绍边缘结构模型原理,并将该方法应用于具有时依性混杂变量的纵向数据中。方法以慢性乙型肝炎(chronic hepatitis B,CHB)抗病毒治疗的初治患者随访研究为例,根据逆概率权重构建虚拟人群解决ALT和HBV DNA的时依性混杂,拟合边缘结构模型。结果本研究所构建的边缘结构模型解决了在随访研究中时依性混杂对治疗组的影响,并有效地评估了各类CHB抗病毒药物的疗效。结论边缘结构模型基于假设条件下能无偏地估计治疗/暴露组的效应,且弥补了传统生存分析方法在时依性混杂、删失和治疗转换问题上的不足。

潜变量增长混合模型在医学研究中的应用

目的介绍潜变量混合增长模型理论,并将该模型应用于医学研究实践。方法以453名接受治疗的抑郁患者的随访研究为例,采用Mplus7.4软件构建潜变量混合增长模型。结果识别出2个增长趋势不同的亚类"一般抑郁组"和"严重抑郁组",每个亚类人数分别为380人(83.89%)和73人(16.11%),年龄较小患者属于"一般抑郁组"可能性高(t=-0.051,P<0.05)。结论潜变量增长混合模型在纵向数据分析中能够识别不可观测亚群的不同增长轨迹,可以很好的弥补传统的增长模型在探讨群体异质性方面的不足,是纵向数据分析的有力工具。

潜在类别模型和主成分法在稀有变异关联分析中的应用比较

目的比较潜在类别模型和主成分法在稀有变异遗传关联研究中的统计性能。方法利用GAW17数据库,通过集合策略将同一基因中的稀有变异合并成一个新变量,以基因为分析单位,分别运用潜在类别模型和主成分法构建常见变异和集合后稀有变异的分类潜变量或主成分,再应用线性回归模型分析基因对定量性状的整体效应,评价两种方法的I类错误和效能。结果潜在类别模型的I类错误(0.040~0.085)均不高于主成分法(0.040~0.190)。对强效应的稀有变异和常见变异,即使存在多个无关联稀有变异,潜在类别模型也能很好地分类且效能(1.000)不低于主成分法(0.990~1.000);但稀有或常见变异效应弱时主成分法效能(0.635)高于潜在类别模型(0.200)。对多数非关联基因,潜在类别模型不收敛。结论和主成分法类似,潜在类别模型也可和稀有变异的集合策略结合,通过构建遗传变异数据的分类潜变量,进行稀有变异的遗传关联研究。分析定量性状时两法均可识别较强效应的稀有变异和常见变异。人群中遗传变异分布无异质性时,潜在类别模型常不收敛,提示遗传变异和性状无关联。

随机效应-最大期望回归树模型的模拟研究与评价

目的介绍随机效应-最大期望回归树模型(random effect-expectation maximization regression tree,RE-EM回归树)方法原理,比较RE-EM回归树与CART回归树在具有系统结构特征的纵向数据中的估计效果。方法通过计算机生成不同参数设置的模拟数据,比较在不同随机效应及残差存在相关结构的纵向数据中两种树模型对特征空间的预测能力,并通过均方残差指标对拟合效果进行评价。结果本研究所构建的RE-EM回归树在不同参数设置下的预测性能均优于CART回归树。结论RE-EM回归树具有较强的预测性能,能准确预测特征空间且数据拟合效果好,相对于CART回归树具有明显的优势。

潜在类别因子模型在基于通路的稀有变异遗传关联研究中的应用

目的研究潜在类别因子模型(latent class factor model,LCFM)在基于通路的稀有变异遗传关联研究中的应用,并和潜在类别模型(latent class model,LCM)进行比较。方法选取遗传分析工作组17(genetic analysis workshop 17,GAW17)中的VEGF通路变异数据及其200次模拟表型数据进行分析。将通路下基因中的稀有变异集合为一个新变量,和常见变异一起拟合LCM和LCFM,再调整年龄、性别和吸烟状态后分别拟合潜在类别及潜在类别因子对模拟表型Q1或Q4的线性回归模型(200次),并分别计算两种方法的统计效能和I类错误。结果 LCM将通路作为整体,统计效能为1.000,I类错误为0.030。LCFM将通路中的8个基因构造成三个因子,因子1和因子2含强效应基因,因子3含弱效应基因,其统计效能分别为0.980,1.000,0.595;I类错误分别为0.045,0.040,0.070。结论 LCFM比LCM更适宜分析通路数据。LCFM不仅能对通路中多基因信息降维,且能够根据后验概率从多个维度对人群分类,而且能估计因子载荷以反映基因间的关联强弱,为进一步的生物学机制研究提供线索。

潜在类别模型在ARID1A基因低频变异与原发性肝癌遗传关联中的应用

目的应用潜在类别模型分析ARID1A基因低频变异与原发性肝癌的关系。方法根据基因的不同功能区域将ARID1A基因低频变异进行合并,应用潜在类别模型分析合并后的ARID1A基因低频变异得到分类潜变量,采用logistic回归分析ARID1A基因低频变异与肝癌发生之间的关系。结果潜在类别模型将ARID1A基因低频变异人群分为3类,类别1主要为基因未突变人群,占比94.2%(2452/2603);类别2主要为基因转录调控功能区突变人群,占比4.8%(124/2603);类别3主要为基因外显子突变人群,占比1.0%(27/2603)。以类别1人群作为参照,转录调控功能区基因突变可降低肝癌的发生风险(OR为0.601,95%CI为0.364-0.992,P=0.046)。结论潜在类别模型可识别肝癌相关基因低频变异,潜在类别模型可推广应用于更多复杂疾病相关低频变异的遗传关联研究。