首页 > 文献资料
-
夜间急诊主动脉夹层手术并不增加住院死亡率
目的：急性stanford A型主动脉夹层起病急，多为急诊手术。本研究以单中心临床数据为研究对象，分析晚夜间手术和白天手术对主动脉夹层患者的疗效差异。
方法：2004年1月至2013年3月，195例急性Stanford A型主动脉夹层在我院接受手术治疗，其中夜间手术（18：00-晨8：00）68例，白天手术（指晨8：00-18：00）127例。本研究采用了倾向得分法对两组患者协变量的分布进行了均衡，使得研究的数据达到“接近随机分配数据”的效果。比较分析两个组的手术时间、术后引流量、术后机械通气时间、术后透析率、气管切开发生率、ICU住院时间、住院死亡率。 -
肿瘤部位或决定结肠癌DNA错配修复功能缺陷的预后影响
目前对于接受氟尿嘧啶、亚叶酸钙及奥沙利铂（FOLFOX）辅助化疗方案治疗的结肠癌患者，DNA错配修复功能缺陷（dMMR）与预后间的联系尚不明了。美国梅奥诊所的Frank A．Sinicrope博士等人进行了一项临床试验，研究人员在2，580份肿瘤患者的蛋白芯片中，检测到314份（12％）肿瘤患者的蛋白芯片存在 dMMR，其中分别有49．3％及10．6％存在BRAFV600E或KRAS突变。尽管从整体而言，MMR状态并非预后预测因素，但研究同时发现，MMR与原发肿瘤部位及淋巴结分期（ N1 v N2）间存在显著的相互作用。对突变情况及协变量校正后，研究人员发现，与准确进行MMR邻近肿瘤相对的dMMR可获得良好的DFS结局，但远端肿瘤的dMMR与良好的DFS结局无关。 N2肿瘤患者不能通过dMMR取得生存获益。BRAFV600 E突变或KRAS突变均为较差DFS的独立相关因素。根据肿瘤部位相互作用观察到的MMR得到了III期结肠癌患者独立队列的验证。
-
关于新药临床试验中控制混杂因素的几点意见
目的:通过探讨新药临床试验总结分析阶段几种控制混杂因素的统计方法,强调控制混杂因素对于新药临床试验的重要性.方法:通过实例说明几种方法的用途及注意事项,阐述各种方法控制中心效应、协变量等对主要结果指标的影响.结果与结论:针对资料的特点,选用适合的统计学方法控制混杂因素对主要结果指标分析的影响,尽可能使药物疗效真实的呈现.
-
尼可地尔在日本冠状动脉疾病研究(JCAD)中对冠状动脉疾病患者心血管事件的影响
(接1月下)在观察研究中,对照组和治疗组之间的协变量不能进行调整,因此药物作用结果可能存在偏差.不过,采用包含药物使用情况的协变量作为条件概率的倾向得分分析,可在2实验组间形成良好的协变量平衡,并减少这种类型的偏差.对每个病人的倾向评分可表明服药的可能性,使用多重逻辑回归分析方法进行计算.所有的临床特征和除尼可地尔以外的药物都用到本计算中.log-rank过程和Cox比例风险模型用来计算置信区间.
-
医学论文中统计分析错误辨析与释疑(12)--定量资料统计分析方法的合理选择
一、带有协变量的定量资料当观测结果为定量变量、影响因素为定性变量时,人们常希望考察定性的影响因素取不同水平条件下,定量观测指标的平均值之间的差异是否具有显著意义,此时,所用的统计分析方法统称为"定量资料均值的假设检验",其参数法常有t检验和方差分析,非参数法有秩和检验.但当资料中还包含一个或多个定量的影响因素时又该怎么办呢?此时的资料被称为"带有协变量的定量资料",处理这样的资料常需要采用"协方差分析",即在定性的影响因素取不同水平的条件下,将每一个定量的影响因素对观测结果的影响化成相等,从而折算出定量观测结果的平均值(被称为修正均值),然后,对修正均值进行相应设计定量资料的方差分析.协方差分析是将回归分析与方差分析结合起来使用的一种分析方法,在这种分析中,先将定量的影响因素看作自变量或称为协变量,建立因变量随自变量变化的回归方程,这样就可以利用回归方程把因变量的变化中受不易控制的定量因素的影响扣除掉,从而能够较合理地比较定性的影响因素处在不同水平下,经过回归分析手段修正以后的因变量的总体均数之间的差别是否有显著意义.
-
肿瘤和慢性病因果探索的研究设计与统计分析方法(二)
4 "设计水准分级"与"模糊状态"风险分析4.1 公用功能模块分析方法 (1)变量水平边界模糊化处理[7,16,17];(2)变量水平聚类优化和不完全数据处理[10,35];(3)时效协变量的条件主分量提取[10,19];(4)时序暴露的有效累积暴露得分计算[10,20];(5)通用模糊变量选择算法[10,21]:
-
乡镇地区高血压病的家庭比较研究
本文以处于相同生活环境下的人群为研究单位,考虑遗传因素影响的同时,研究环境协变量的作用,探讨乡镇地区高血压与生活方式、饮食习惯及体型之间的关系,期望找出与高血压有密切关系的预测指标,为高血压疾病的研究和预防提供科学依据.
-
具有协变量或干扰因素的诊断试验数据的ROC分析
目的探讨具有协变量或干扰因素的诊断试验数据的评价问题, 建立相应的统计模型及分析方法.方法基于ROC分析给出多变量ROC模型,采用有序logistic连接函数,利用SAS软件进行参数估计,得到有协变量情况下的ROC曲线方程及曲线下面积.文中结合检测动脉硬化的数据,说明了其用法.结果采用文中给出的方法,可以有效地扣除协变量的影响,准确地评价诊断的作用.结论本文提供的方法能够有效地解决诊断试验中具有干扰因素影响的问题.
关键词： 诊断试验 ROC分析 有序Logistic模型 协变量 -
协变量的不均衡对协方差分析的影响
目的 探讨协变量的不均衡对协方差分析的影响.方法 通过Monte Carlo模拟并结合临床试验实例对作协方差分析时引入不均衡的协变量来校正的前后变化作比较.结果 协变量的不均衡对协方差分析的检验效能是存在一定影响的,无论协变量不均衡程度有多大,在作协方差分析时引入不均衡的协变量来校正总是有一定代价的.结论 新药临床试验中常常存在病人的基线特征在处理组间不均衡从而影响对试验结果的正确评价.可以在作协方差分析时引入该不均衡的协变量去处理,但要根据协变量的不均衡程度及试验目的等实际情况加以权衡.
-
基于贝叶斯估计的诊断试验ROC曲线回归模型
目的 阐明基于贝叶斯估计的ROC曲线回归模型.方法 通过实例对比分析,介绍WinBUGS软件ROC曲线回归模型参数估计与应用.结果 基于贝叶斯估计的ROC曲线回归模型不仅可考虑(平衡)协变量对诊断试验结果准确性评价的影响,而且可计算不同协变量取值条件下的ROC曲线下面积;不同先验分布的选取在一定范围内模型参数估计结果较稳定,可作为临床诊断试验结果分析的依据.结论 基于贝叶斯估计的ROC曲线回归模型,可有效地解决受协变量影响的临床诊断试验准确度评价问题.
-
logistic回归诊断
由于构建回归模型都是建立在某种假设之上的，因此对于任何回归模型，都须考察其拟合度(goodness of fit)，即拟合优度检验，主要是计算一些综合统计量(如Pearsonχ2、Deviance D2、H-L2值)。同时还须考察构成模型的每一个协变量组合(covariance pattern)对模型的效应，包括识别异常点(outlier)、高杠杆点(high leverage case)以及强影响点(influence point)，即所谓的回归诊断。本文主要介绍logistic回归诊断中常用的诊断量。
-
多状态模型简介
大多数临床研究和流行病学研究中,我们只关心一个终点(end point),这个终点通常是由于某种疾病导致的死亡,然而利用多状态模型(multi-state model)考虑多个终点的研究越来越多.常见的有考虑两个或多个竞争死亡原因时,或个体从健康状态转到疾病状态然后死亡,更一般地,个体可在一个有限的、通常是少量的几个由特定的健康状况(包括死亡)所定义的状态间转移.典型的情形是研究白血病患者骨髓移植后的恢复过程,这里病人可经历几个终点事件之一,如缓解后死亡、白血病复发或死亡,同时恢复过程中会发生一些影响他们终预后的中间事件,如血小板恢复正常、不同类型的感染以及急性或慢性GVHD的发生等,而每个个体会有一系列协变量.我们的目的是估计这些状态间的转移概率以及这些转移概率如何随着协变量变化.
-
多元分析中的多重共线性及其处理方法
在医学领域研究中,变量间存在多重共线性的现象十分普遍,其结果可能导致治疗效果或暴露因素作用的估计产生偏性.研究者常常通过调整某些协变量或混杂因素来调整变量间的多重共线性,以评价某些治疗方法或暴露因素与疾病间的关系[1-2].
-
协方差分析基本思想教学讨论——剩余平方和再分解
协方差分析是回归分析与方差分析相结合的一种统计检验方法。传统上方差分析与回归分析分别用于解决不同问题，直到本世纪三十年代前后，R.A.Fisher等人才将两种方法结合起来，形成与完善了协方差分析的理论与方法。其目的是将与效应指标(Y)呈直线关系的协变量(X)化为相等后，再来检验Y均数(修正均数或调整均数)间差别的显著性。其意义与功用详见各类统计教科书〔1，2〕，不再赘述。教学过程中由于其计算过程的复杂性，学生普遍感到难于理解。现以完全随机设计一元协方差分析为例，剖析回归分析与方差分析相结合的本质，帮助学生理解协方差分析的基本思想。 例：某地方病研究所调查了大骨节病患儿与非病区正常儿童尿肌酐含量，其部分结果见表1(1)、(2)栏，试比较两组儿童尿肌酐含量有无差别〔3〕。
-
样本量估计及其在nQuery软件上的实现——回归分析(二)
5.1.1.5增加协变量的多元线性回归方法:Cohen (1988)[2]给出增加协变量后多元线性回归的样本量估计建立在自由度分别为b和n-a-b-1,非中心参数为n(R2AB-R2A)/1-R2AB的非中心F分布基础上,其检验效能的计算公式为:1-β=1-ProbF(R1-α,b,n-a-b-1,b,n-a-b-1,(n(R2AB-R2A)/ 1-R2AB) (5-8)式中,R2A为包含A个协变量的原回归模型的决定系数;R2AB为在原模型基础上增加B个协变量后的决定系数.在计算样本量时,一般先设定样本量初始值,然后迭代样本量直到所得的检验效能满足条件为止.此时的样本量,即研究所需的样本量.
-
牙周治疗可降低其他慢性疾病的发生率
美国一项研究结果显示，简单的、非侵入性的牙周治疗可改善妊娠妇女及一些系统性疾病患者的健康水平。结果由宾夕法尼亚大学研究者在2014年3月21日美国牙科研究会（AADR）年会上报告。该研究纳入2005-2009年购买了某公司医疗及牙科保险的人群，通过理赔数据，确定患牙周病者338891例。使用协方差分析（ANCOVA）对每个特定的系统性疾病、牙周治疗组和非治疗组进行比较，协变量为年龄、性别及2型糖尿病患病情况。结果为，牙周治疗可明显减少2型糖尿病、脑血管疾病、冠状动脉疾病、妊娠的治疗费用，其费用分别减少40.2%、40.9%、10.7%及73.7%，并减少住院的发生。
-
基于模型的meta分析在药物研发中的应用
基于模型的meta分析(MBMA)是近年来新提出的一种用于药物研发的定量分析方法,通过建立药效学模型和统计模型,合并临床研究,并引入协变量来考察药物剂量、疗程、基线等因素对疗效的影响,且基于药效学模型进行不同给药方式或不同严重程度下药效的模拟和预测.MBMA是药物研发过程中比较药物疗效、制定药物研发决策以及优化给药方案的一个重要工具.简述MBMA方法及其特点,重点介绍近年来国内外有关MBMA在药物研发中应用情况,以期为MBMA在药物研发过程中进一步研究与应用提供参考.
关键词： 基于模型的meta分析 Meta分析 协变量 药效学模型 统计模型 -
基于EmpowerStats的混杂因素筛选及其校正方法
目的:介绍和演示一种新的混杂因素筛选和校正方法.方法:从原理简介、实例讲解、软件操作多角度全面介绍如何根据粗效应值和调整效应值的变化实现混杂因素的筛选以及独立效应评价.结果:EmpowerStats统计软件能够按照一定的标准,科学、简便地实现混杂因素的识别、筛选及其控制,得到对效应值的优估计,优于传统的逐步回归法.结论:基于效应估计值的改变进行混杂因素的识别和筛选,可以更合理地获得研究因素的效应估计值.
-
临床试验中评价处理效应的协变量调整问题
临床试验设计和分析中常常包括影响疾病结果的非处理因素,这些因素被统称为协变量.对处理效应的评价,若不合理考虑协变量的影响,常常会导致结论的偏倚乃至错误.因此,在临床试验中要审慎地对待这一问题,在评价处理效应时应该考虑用协变量对其进行适当的调整,以达到处理效应的正确评价.试验设计阶段的协变量调整称为"事先调整",常用的方法有分层法、动态分配小化法等.试验分析阶段的协变量调整称为"事后调整",常用的方法有分层检验法、回归模型法等.通过协变量调整,一方面阐明病人特征在处理组间的不均衡并没有影响到处理效应的正确评价,提高临床试验结果的可信度;另外,协变量调整方法的合理运用还可提高统计效能.本文对处理效应评价协变量调整涉及的概念、方法、步骤等进行介绍和探讨,尤其强调了应用中的一些统计学事项.
-
引入协变量比较药物的效果
在比较多个处理前后或多组样本同一个处理前后某指标观察值变化的显著性作方差分析时,处理前几组观察值应无显著差异,如果处理前有差异可将处理前的观察值作为协变量作协方差分析.
