首页 > 文献资料
-
带时依协变量的重复测量资料的混合线性模型分析及其MIXED过程实现
目的 探讨混合线性模型在带有时依协变量的重复测量资料分析中的应用.方法 以治疗轻、中度原发性高血压病临床试验资料为例,考虑到给药方案在各个时间点随病情而变化,利用SAS中的MIXED过程,选择合适的协方差结构来实现带有时依协变量的重复测量资料的统计分析.结果 时依协变量(给药方案)对治疗轻、中度原发性高血压病有统计学意义(P＜0.05)；时间因素有统计学意义(P＜0.05)；给药方案与时间因素之间有交互效应(P＜0.05)、给药方案与处理因素之间有交互效应(P＜0.05).结论 采用混合线性模型对带有时依协变量的临床试验重复测量资料进行统计分析,可以更客观地进行药物疗效评价.
-
主成分分析方法在综合评价中的应用
本文用主成分分析方法对某医院10年不同性质的医疗质量指标进行综合评价,结果如下.原理与方法主成分分析是一种重要的多元统计分析方法,它关心的问题是通过一组变量的几个线性组合来解释这组变量的方差-协方差结构.
-
多反应变量重复测量资料的协方差类型模型应用及SAS实现
目的 探讨协方差类型模型在多反应变量的重复测量资料分析中的应用方法 为了评价盐酸吡格列酮片治疗2型糖尿病的有效性,以安慰剂为对照,对240例2型糖尿病患者的空腹血糖和餐后2 h血糖重复观测数据进行多反应变量的协方差类型模型分析,对模型的固定效应参数矩阵作小二乘估计并进行组间比较,同时给出误差效应的方差协方差矩阵,利用SAS中的MIXED过程得以实现结果 2组空腹血糖和餐后2 h血糖的总体差别有统计学意义(P<0.01);各时间点的差异有统计学意义(P<0.01);反应变量类别和时间的交互作用有统计学意义(P<0.05),说明空腹血糖和餐后2 h血糖随时间的变化趋势有所不同;分组和时间的交互作用有统计学意义(P<0.01),说明2组血糖随时间的变化趋势有所不同.得到固定效应的有关参数的估计值,并给出了曲线图.用药后患者的空腹血糖和餐后2 h血糖随时间变化而变化,且2组曲线的变化趋势是不相同的.试验组曲线随时间迅速下降,而安慰剂组曲线随时间变化非常平缓结论 多反应变量的协方差类型模型可以处理有随机缺失数据的资料,并允许每个观察对象观察次数和观察时间不同,通过指定非独立数据的方差协方差矩阵结构,直接对相关性结构建模.模型不仅考虑了每个反应变量多次重复测量结果之间的相关性,也考虑了各个反应变量之间的相关性,可有效地进行重复测量资料的动态变化趋势分析,统计结论更为可信.
