期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
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 时依性变量 时依性变量
下载PDF
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 时依性变量 倾向评分 广义估计方程
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部