多變量重復(fù)測量模型在醫(yī)學(xué)中的應(yīng)用研究.pdf

1、研究背景： 自從二十世紀八十年代起，循證醫(yī)學(xué)迅速發(fā)展，大規(guī)模臨床研究逐年增多，這些研究一般要求研究期間動態(tài)觀察受試者的多項生理指標或療效相關(guān)指標。對每個受試者的某項指標在試驗不同時期進行多次觀察所獲得的資料稱為重復(fù)測量資料，這些重復(fù)測量資料一般都不滿足數(shù)據(jù)獨立的要求，資料的內(nèi)部存在相關(guān)性，存在缺失數(shù)據(jù)等，有其自身特有的特點。以往的統(tǒng)計分析方法存在著許多的問題，由于測量值在不同時間點上存在著自相關(guān)性，而單因素方差分析、裂區(qū)設(shè)計方差

2、分析、曲線擬合等方法僅使用于獨立性數(shù)據(jù)，所以均不能很好的進行分析；另外在醫(yī)學(xué)研究中，往往需要測量不同的反應(yīng)變量，需要研究不同反應(yīng)變量之間的相互關(guān)系及變化趨勢，因為這些反應(yīng)變量之間并非相互獨立，而是也具有相關(guān)性，例如舒張壓與收縮壓、呼吸與心率等，有些文獻中往往將兩個以上的反應(yīng)變量分裂開來，分別進行單變量重復(fù)測量資料或常規(guī)的單變量分析，這些傳統(tǒng)方法往往是不準確的。雖然多變量方差分析可以分析多個反應(yīng)變量之間的關(guān)系，但只是分析變量的整體情況，并

3、沒考慮各反應(yīng)變量隨時間變化的相互關(guān)系，而且它對數(shù)據(jù)的完整性要求嚴格，不存在缺失數(shù)據(jù)，若存在缺失，可能導(dǎo)致偏倚，從而丟失了大量信息。本文針對以上存在的問題，有必要對多變量重復(fù)測量資料的統(tǒng)計分析方法進行進一步的探討。 材料和方法： 材料：本次研究的實例是從廣東省某醫(yī)院進行某藥物的縱向研究中，選取的兩份數(shù)據(jù)，對病人的測量時間點均為4個，分別為患者用藥后1周、2周、3周、4周的測量數(shù)值，其中實例1為完整數(shù)據(jù)，不存在缺失數(shù)據(jù)，指標

4、為抑郁積分和焦慮積分，實例2為含約10％的隨機缺失數(shù)據(jù)，指標為心率與呼吸。 實例分析： 傳統(tǒng)方法：采用SAS程序?qū)嵗?和實例2進行多變量方差分析，分析指標隨時間變化的趨勢。 新的方法：采用SAS程序中的Proc Mixed和Proc Calis模塊對數(shù)據(jù)進行多變量多水平模型和多變量潛在生長曲線模型分析，比較新的方法在處理完整數(shù)據(jù)和非平衡數(shù)據(jù)的時候，比傳統(tǒng)方法所具有的優(yōu)勢，以便于在醫(yī)學(xué)中處理多反應(yīng)變量重復(fù)測量數(shù)據(jù)

5、提供方法學(xué)參考。 實例模擬： 用SAS程序從總樣本含量為240，且多個反應(yīng)變量服從多變量正態(tài)分布的原始數(shù)據(jù)中隨機抽取樣本量分別為30、40、60與100的4份樣本，對抽取的數(shù)據(jù)采用SAS程序中的Proc Mixed過程進行多變量多水平模型的擬合，比較不同樣本下，多變量多水平模型參數(shù)估計的穩(wěn)健性。 結(jié)果與分析： 1、傳統(tǒng)方法與新的方法在處理含多反應(yīng)變量重復(fù)測量資料上的比較： 當數(shù)據(jù)符合傳統(tǒng)方法使用條

6、件的時候，新的方法估計結(jié)果與傳統(tǒng)方法估計結(jié)果一致，但比傳統(tǒng)方法豐富，不僅得到傳統(tǒng)方法估計的結(jié)果，而且可以提供參數(shù)的隨機效應(yīng)及不同個體間存在差異的原因和各個指標之間隨時間變化的聯(lián)合規(guī)律。 當數(shù)據(jù)為隨機缺失數(shù)據(jù)的時候，新方法估計的結(jié)果要比傳統(tǒng)方法準確，其估計參數(shù)標準誤明顯低于傳統(tǒng)方法估計參數(shù)標準誤，但同時多變量多水平模型估計參數(shù)標準誤又低于多變量潛在生長曲線模型估計參數(shù)標準誤。 2、實例模擬實驗：當n=30時：其固定參數(shù)估計

7、值與總體參數(shù)相差很小，當n=60時：其95％置信區(qū)間已包含了總體參數(shù)，n=100時，已接近于總體參數(shù)。模型的隨機效應(yīng)與樣本量的關(guān)系不太穩(wěn)定，但當樣本為100時，其估計值的95％置信區(qū)間已包含總體參數(shù)，且模型估計參數(shù)的誤差隨著樣本量的增加，呈遞減趨勢。 討論： 本文系統(tǒng)的闡述了多變量方差分析模型、多變量多水平模型及多變量潛在生長曲線模型在處理含多個反應(yīng)變量重復(fù)測量資料中的應(yīng)用，實踐發(fā)現(xiàn)，各有優(yōu)缺點。傳統(tǒng)方法限制條件較多，結(jié)

8、果只描述總體的平均水平，但運算簡單，易于理解；新的方法限制較少，結(jié)果豐富，不僅提供參數(shù)固定效應(yīng)，而且提供隨機效應(yīng)。一般來說，若數(shù)據(jù)符合傳統(tǒng)方法的使用條件，且研究目的只是為了了解總體的平均水平，可以考慮多變量方差分析；若數(shù)據(jù)屬于非平衡數(shù)據(jù)，如存在缺失數(shù)據(jù)，測量次數(shù)或間隔不等等，且研究目的不僅想了解總體平均趨勢等固定效應(yīng)，而且更想挖掘數(shù)據(jù)中的更多信息，建議采用多水平模型或潛在生長曲線模型，所以，在實際應(yīng)用中，應(yīng)根據(jù)數(shù)據(jù)特征和研究目的來選擇最