期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
5
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
药物流行病学研究中的时依性变量处理方法简介及比较
被引量:
2
1
作者
梁际洲
郭晓晶
+7 位作者
许金芳
陈晨鑫
韦连慧
陈枭
郑轶
迟立杰
叶小飞
贺佳
《药物流行病学杂志》
CAS
2022年第3期190-197,共8页
基于纵向数据的因果推断,进而评价药物安全性与有效性是药物流行病学的重要工作之一。但在现实研究中由于存在不同程度的混杂,无法直接计算药物效应值。混杂中时依性混杂最为常见,却难以通过常规方式消除影响。除了混杂因素,在一些试验...
基于纵向数据的因果推断,进而评价药物安全性与有效性是药物流行病学的重要工作之一。但在现实研究中由于存在不同程度的混杂,无法直接计算药物效应值。混杂中时依性混杂最为常见,却难以通过常规方式消除影响。除了混杂因素,在一些试验中暴露因素同样具有时依性。本文基于领域相关研究,试图对时依性变量的种类进行辨析,简要介绍含时依系数的Cox回归、边缘结构模型、结构嵌套的加速失效时间模型以及序列条件平均模型基本思想与计算方法,总结4种方法的优缺点与应用方向,以期为科研人员在分析中对时依性变量控制有所借鉴与启示。
展开更多
关键词
时依性变量
COX回归
边缘结构模型
加速失效模型
序列条件平均模型
原文传递
临床预测模型中处理时依性变量的策略及进展
被引量:
1
2
作者
于玥琳
胥洋
+2 位作者
王俊峰
詹思延
王胜锋
《中华流行病学杂志》
CAS
CSCD
北大核心
2023年第8期1316-1320,共5页
预测模型中考虑时依性变量可改善模型的总体表现,提高其临床应用价值。界标模型、联合模型等基于传统回归策略在处理时依性变量个数和适用情境等方面存在局限,神经网络等机器学习算法有望对其灵活处理。本文针对传统模型、机器学习算法...
预测模型中考虑时依性变量可改善模型的总体表现,提高其临床应用价值。界标模型、联合模型等基于传统回归策略在处理时依性变量个数和适用情境等方面存在局限,神经网络等机器学习算法有望对其灵活处理。本文针对传统模型、机器学习算法,总结各自纳入时依性变量的建模思路,梳理各方法的适用场景,概括现有方法仍存在的问题,以期为未来预测建模处理时依性变量提供方法学启示。
展开更多
关键词
临床预测模型
时依性变量
动态预测
机器学习
原文传递
基于鞅残差的多重填补法介绍与R语言实现
3
作者
杨晓敏
韩嫱
+3 位作者
田晶
闫晶晶
韩港飞
张岩波
《中国卫生统计》
CSCD
北大核心
2024年第1期152-155,共4页
目的 简要介绍基于鞅残差的多重填补法的基本原理,通过模拟研究证明其效能及实现方式,为未测量混杂因素的填补提供方法学参考与思路。方法 基于模拟研究使用基于鞅残差的多重填补法填补未测量混杂因素,包括非时依性变量和时依性变量,并...
目的 简要介绍基于鞅残差的多重填补法的基本原理,通过模拟研究证明其效能及实现方式,为未测量混杂因素的填补提供方法学参考与思路。方法 基于模拟研究使用基于鞅残差的多重填补法填补未测量混杂因素,包括非时依性变量和时依性变量,并与传统的Cox模型、基于倾向性评分校准法的填补、基于对数生存时间的填补三种方法进行了比较。结果 模拟研究显示,无论未测量混杂为非时依性变量或时依性变量,基于鞅残差的多重填补法在大多数模拟情景中都可以产生更精确的估计和更小的偏倚。结论 在生存分析中,相比于其他方法,基于鞅残差的方法在计算生存时间的较复杂分布时比较灵活,能够有效减小填补后模型分析的偏倚。
展开更多
关键词
鞅残差
未测量混杂
非
时依性变量
时依性变量
下载PDF
职称材料
生命历程流行病学中的动态路径分析
4
作者
田征文
曾广宇
+3 位作者
吴诗蓝
黄麟婷
王贝子
谭红专
《中华流行病学杂志》
CAS
CSCD
北大核心
2018年第1期86-89,共4页
现代流行病学研究中,疾病或健康相关事件的发生常难以完全用短期的暴露状态来解释。生命历程流行病学着眼于生命早期阶段的暴露因素对个人整个生命历程中的健康或疾病状况所产生的长期影响,并逐渐得到重视。当对暴露因素的病因机制及...
现代流行病学研究中,疾病或健康相关事件的发生常难以完全用短期的暴露状态来解释。生命历程流行病学着眼于生命早期阶段的暴露因素对个人整个生命历程中的健康或疾病状况所产生的长期影响,并逐渐得到重视。当对暴露因素的病因机制及其通过其他因素产生的作用大小进行分析时,由于时间因素的存在,传统统计分析方法难以满足生命历程流行病学中病因分析的需求。本文概述了能用于生命历程病因分析的动态路径分析方法,包括该模型的结构、意义及其在生命历程流行病学病因分析中的应用。同时说明了如何准备数据、进行病因机制分析,并证明动态路径分析模型可作为生命历程流行病学中有效的病因分析工具。
展开更多
关键词
时依性变量
生存分析
有向无环图
生命历程流行病学
原文传递
纵向数据中评估暴露总效应的序列条件平均模型
5
作者
王小磊
田梦圆
+2 位作者
张娜
高红
谭红专
《中华流行病学杂志》
CAS
CSCD
北大核心
2020年第1期111-114,共4页
在前瞻性队列研究中,经常需要对研究对象进行多次随访,其产生的多个观测值之间相互关联,常导致时依性混杂,这种情况下的数据一般不满足传统的多因素回归分析的应用条件。序列条件平均模型(SCMM)是一种可以处理时依性混杂的新方法。本文...
在前瞻性队列研究中,经常需要对研究对象进行多次随访,其产生的多个观测值之间相互关联,常导致时依性混杂,这种情况下的数据一般不满足传统的多因素回归分析的应用条件。序列条件平均模型(SCMM)是一种可以处理时依性混杂的新方法。本文主要对SCMM的基本原理、步骤及特点进行概括。
展开更多
关键词
序列条件平均模型
时依性
协
变量
倾向评分
广义估计方程
原文传递
题名
药物流行病学研究中的时依性变量处理方法简介及比较
被引量:
2
1
作者
梁际洲
郭晓晶
许金芳
陈晨鑫
韦连慧
陈枭
郑轶
迟立杰
叶小飞
贺佳
机构
中国人民解放军海军军医大学卫勤系卫生统计学教研室
出处
《药物流行病学杂志》
CAS
2022年第3期190-197,共8页
基金
国家自然科学基金项目(编号:82073671)
上海市自然科学基金项目(编号:18ZR1449500)
+3 种基金
上海市第四轮公共卫生三年行动计划重点学科建设项目循证公共卫生与卫生经济学(编号:15GWZK0901)
上海市卫计委优秀青年医学人才培养计划(编号:2018YQ47)
上海市公共卫生学科带头人(编号:GWV-10.2-XD22)
上海市公共卫生优青计划(编号:GWV-10.2-YQ33)。
文摘
基于纵向数据的因果推断,进而评价药物安全性与有效性是药物流行病学的重要工作之一。但在现实研究中由于存在不同程度的混杂,无法直接计算药物效应值。混杂中时依性混杂最为常见,却难以通过常规方式消除影响。除了混杂因素,在一些试验中暴露因素同样具有时依性。本文基于领域相关研究,试图对时依性变量的种类进行辨析,简要介绍含时依系数的Cox回归、边缘结构模型、结构嵌套的加速失效时间模型以及序列条件平均模型基本思想与计算方法,总结4种方法的优缺点与应用方向,以期为科研人员在分析中对时依性变量控制有所借鉴与启示。
关键词
时依性变量
COX回归
边缘结构模型
加速失效模型
序列条件平均模型
Keywords
Time dependent variable
Cox regression
Marginal structural model
Structure nested accelerated failure time model
Sequential conditional mean model
分类号
R181.35 [医药卫生—流行病学]
原文传递
题名
临床预测模型中处理时依性变量的策略及进展
被引量:
1
2
作者
于玥琳
胥洋
王俊峰
詹思延
王胜锋
机构
北京大学公共卫生学院流行病与卫生统计学系/重大疾病流行病学教育部重点实验室
北京大学临床研究所真实世界证据评价中心
荷兰乌特勒支大学医学中心Julius健康科学与初级保健中心
出处
《中华流行病学杂志》
CAS
CSCD
北大核心
2023年第8期1316-1320,共5页
基金
国家自然科学基金(82173616)。
文摘
预测模型中考虑时依性变量可改善模型的总体表现,提高其临床应用价值。界标模型、联合模型等基于传统回归策略在处理时依性变量个数和适用情境等方面存在局限,神经网络等机器学习算法有望对其灵活处理。本文针对传统模型、机器学习算法,总结各自纳入时依性变量的建模思路,梳理各方法的适用场景,概括现有方法仍存在的问题,以期为未来预测建模处理时依性变量提供方法学启示。
关键词
临床预测模型
时依性变量
动态预测
机器学习
Keywords
Clinical prediction model
Time-dependent covariate
Dynamic prediction
Machine learning
分类号
R-3 [医药卫生]
原文传递
题名
基于鞅残差的多重填补法介绍与R语言实现
3
作者
杨晓敏
韩嫱
田晶
闫晶晶
韩港飞
张岩波
机构
山西医科大学公共卫生学院流行病与卫生统计学教研室
山西医科大学第一医院心内科
重大疾病风险评估山西省重点实验室
山西中医药大学
出处
《中国卫生统计》
CSCD
北大核心
2024年第1期152-155,共4页
基金
国家自然科学基金(81872714
82173631)
重大疾病风险评估山西省重点实验室(201805D111006)。
文摘
目的 简要介绍基于鞅残差的多重填补法的基本原理,通过模拟研究证明其效能及实现方式,为未测量混杂因素的填补提供方法学参考与思路。方法 基于模拟研究使用基于鞅残差的多重填补法填补未测量混杂因素,包括非时依性变量和时依性变量,并与传统的Cox模型、基于倾向性评分校准法的填补、基于对数生存时间的填补三种方法进行了比较。结果 模拟研究显示,无论未测量混杂为非时依性变量或时依性变量,基于鞅残差的多重填补法在大多数模拟情景中都可以产生更精确的估计和更小的偏倚。结论 在生存分析中,相比于其他方法,基于鞅残差的方法在计算生存时间的较复杂分布时比较灵活,能够有效减小填补后模型分析的偏倚。
关键词
鞅残差
未测量混杂
非
时依性变量
时依性变量
分类号
R541.6 [医药卫生—心血管疾病]
下载PDF
职称材料
题名
生命历程流行病学中的动态路径分析
4
作者
田征文
曾广宇
吴诗蓝
黄麟婷
王贝子
谭红专
机构
中南大学湘雅公共卫生学院流行病与卫生统计学系
出处
《中华流行病学杂志》
CAS
CSCD
北大核心
2018年第1期86-89,共4页
文摘
现代流行病学研究中,疾病或健康相关事件的发生常难以完全用短期的暴露状态来解释。生命历程流行病学着眼于生命早期阶段的暴露因素对个人整个生命历程中的健康或疾病状况所产生的长期影响,并逐渐得到重视。当对暴露因素的病因机制及其通过其他因素产生的作用大小进行分析时,由于时间因素的存在,传统统计分析方法难以满足生命历程流行病学中病因分析的需求。本文概述了能用于生命历程病因分析的动态路径分析方法,包括该模型的结构、意义及其在生命历程流行病学病因分析中的应用。同时说明了如何准备数据、进行病因机制分析,并证明动态路径分析模型可作为生命历程流行病学中有效的病因分析工具。
关键词
时依性变量
生存分析
有向无环图
生命历程流行病学
Keywords
Time-dependent covariate
Survival analysis
Directed acyclic graphs
Life course epidemiology
分类号
R181 [医药卫生—流行病学]
原文传递
题名
纵向数据中评估暴露总效应的序列条件平均模型
5
作者
王小磊
田梦圆
张娜
高红
谭红专
机构
中南大学湘雅公共卫生学院流行病与卫生统计学系
湖南省人民医院/湖南师范大学附属第一医院
出处
《中华流行病学杂志》
CAS
CSCD
北大核心
2020年第1期111-114,共4页
文摘
在前瞻性队列研究中,经常需要对研究对象进行多次随访,其产生的多个观测值之间相互关联,常导致时依性混杂,这种情况下的数据一般不满足传统的多因素回归分析的应用条件。序列条件平均模型(SCMM)是一种可以处理时依性混杂的新方法。本文主要对SCMM的基本原理、步骤及特点进行概括。
关键词
序列条件平均模型
时依性
协
变量
倾向评分
广义估计方程
Keywords
Sequential conditional mean model
Time-dependent covariate
Propensity score
Generalized estimating equation
分类号
O2 [理学—数学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
药物流行病学研究中的时依性变量处理方法简介及比较
梁际洲
郭晓晶
许金芳
陈晨鑫
韦连慧
陈枭
郑轶
迟立杰
叶小飞
贺佳
《药物流行病学杂志》
CAS
2022
2
原文传递
2
临床预测模型中处理时依性变量的策略及进展
于玥琳
胥洋
王俊峰
詹思延
王胜锋
《中华流行病学杂志》
CAS
CSCD
北大核心
2023
1
原文传递
3
基于鞅残差的多重填补法介绍与R语言实现
杨晓敏
韩嫱
田晶
闫晶晶
韩港飞
张岩波
《中国卫生统计》
CSCD
北大核心
2024
0
下载PDF
职称材料
4
生命历程流行病学中的动态路径分析
田征文
曾广宇
吴诗蓝
黄麟婷
王贝子
谭红专
《中华流行病学杂志》
CAS
CSCD
北大核心
2018
0
原文传递
5
纵向数据中评估暴露总效应的序列条件平均模型
王小磊
田梦圆
张娜
高红
谭红专
《中华流行病学杂志》
CAS
CSCD
北大核心
2020
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部