首页 > 文献资料
-
随机效应Logistic回归模型在致畸研究中的应用
1.问题的提出在致畸试验研究资料中,传统的统计方法是以各处理组中孕鼠的仔鼠为观察单位,用统计学中两个率的u检验或χ2检验分析各组胎鼠死亡率或致畸率等有无差别,评价受试物有无毒作用.这种统计处理忽视了一个可能的影响因素,即窝别效应(litermata effects).由于窝别效应的存在,各比较组仔鼠间发生毒作用的概率不完全相互独立.从统计学角度认为,这类资料的数据不服从二项分布(该分布要求各个观察单位是否发生某事件应相互独立).由于窝别效应作用和用仔鼠作为观察单位,人为增大样本例数,会低估两率差的标准误(率的U检验),得到较大的u值或χ2值,增大了犯1型误差(即假阳性)的概率.因此,近年来一些统计学家和毒理学家认为对类似资料作统计学处理时,应考虑窝别效应对结果的影响[1,2],在扣除窝别效应的前提下,比较组间的差别,才能更真实的反映受试物的毒作用.随机效应(random effect) logistic回归模型可克服传统方法的不足,适用于结果变量为两分类且以窝别(litter)为处理单位的资料.
-
利用SPSS软件中Mixed model模块处理致畸试验中窝别效应
目的 探讨致畸试验中由于窝别效应存在时,如何利用SPSS软件正确地进行统计处理.方法 本文运用SPSS 20.0软件分别采用传统分析方法(忽略窝别效应的t检验或x2检验、窝平均法)与多水平模型处理致畸试验中窝别效应,其中包括定量变量及定性变量的统计分析,并比较其结果.结果 传统分析方法(f检验或x2检验)未考虑窝别效应的存在,会增加犯假阳性错误的概率;窝平均法可损失样本的大量信息,会增加犯假阴性错误的概率;多水平模型考虑原始数据的内在结构,可有效处理具有层次结构的数据.结论 多水平模型可正确处理窝别效应,且SPSS软件中Mixed model过程操作简单,易于掌握.
-
多水平统计模型在毒理实验研究中的应用
毒理实验研究中的致畸实验、发育毒性实验及生殖毒性实验,存在大量以"仔鼠"为观察单位的资料.这类资料的特点是:存在层次结构(hierarchical structure),即孕鼠-仔鼠,且孕鼠之间存在"窝别效应".
-
多水平统计模型在发育毒性实验研究中的应用
目的:探讨多水平统计模型在发育毒性实验研究资料分析中的应用.方法:根据发育毒性实验研究资料存在层次结构的特点,探讨了两水平方差成分模型在此类资料中的应用.结果:获得"窝别效应"及其标准误的估计,以及在考虑了"窝别效应"之后处理因素作用有无及其大小的估计.结论:对于发育毒性实验研究资料,多水平统计模型能估计出考虑了"窝别效应"之后的处理因素作用大小,使得实验结果评价更客观.