首页 > 文献资料
-
meta-analysis中双变量为二分类变量的效应量估计
分组变量和结局变量均为二分类变量的研究在医学研究中是比较常见的,结局变量表示为二分类的形式,研究者通常采用频数、百分比或比例等统计指标描述,相应的统计推断方法丰要为x2检验或两变量之间的关联性分析.对这类研究文献进行meta分析,需要考虑几种不同的情况.文章主要针对结局变量为二分类变量且分组变量也为二分类变量的几种不同条件下meta分析巾标准化均差效应量的近似估计进行讨论.
-
成组删除法和多重填补法对随机缺失的二分类变量资料处理效果的比较
目的:评价两种随机缺失的二分类变量资料处理方法.方法:以艾滋病中医症候的调查资料为数据来源,利用SAS 9.2对完整数据集随机模拟,构建不同比例的随机缺失数据集,对缺失数据集采用多重填补法中的logistic回归法(MI/logistic)进行填充处理;同时对缺失数据集采用成组删除法进行处理;根据各个数据集建立logistic回归模型,与完整数据集进行比较.结果:缺失10%时,成组删除法处理结果与完整数据集更接近;缺失20%~40%时,MI/logistic填补后常数项和x的回归系数明显偏离完整数据集;缺失50%时,MI/logistic填充2次时x的回归系数和标准误更接近于完整数据集;缺失60%时,MI/logistic填充后x的回归系数严重偏离完整数据集,成组删除后x回归系数的标准误明显偏离完整数据集.结论:缺失较少(缺失率<40%)时,成组删除法处理效果较好;缺失50%时,采用MI/logistic回归法填充效果更好;缺失60%以上时,两处理方法均不理想.
-
无对照二分类资料的Meta分析方法及Stata实现
目的 介绍无对照二分类资料Meta分析方法及在Stata软件中的操作步骤.方法 首先介绍3种数据类型无对照二分类资料Meta分析的原理及方法,再用Stata软件对3个实例数据进行Meta分析.结果 无对照二分类资料Meta分析的关键是选择服从正态分布或可转化为正态分布的指标.3个实例数据经正态转换后进行Meta分析,结果与原文一致.结论 Stata软件可实现无对照二分类资料(含患病率、发病密度和比值)的Meta分析,操作简单,实用性强.
