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(jì)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(xiàng)生理指標(biāo)或療效相關(guān)指標(biāo)。對每個(gè)受試者的某項(xiàng)指標(biāo)在試驗(yàn)不同時(shí)期進(jìn)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(dú)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(diǎn)。以往的統(tǒng)計(jì)分析方法存在著許多的問題，由于測量值在不同時(shí)間點(diǎn)上存在著自相關(guān)性，而單因素方差分析、裂區(qū)設(shè)計(jì)方差

2、分析、曲線擬合等方法僅使用于獨(dú)立性數(shù)據(jù)，所以均不能很好的進(jìn)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?yàn)檫@些反應(yīng)變量之間并非相互獨(dú)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(xiàn)中往往將兩個(gè)以上的反應(yīng)變量分裂開來，分別進(jìn)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(zhǔn)確的。雖然多變量方差分析可以分析多個(gè)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(shí)間變化的相互關(guān)系，而且它對數(shù)據(jù)的完整性要求嚴(yán)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(jì)分析方法進(jìn)行進(jìn)一步的探討。 材料和方法： 材料：本次研究的實(shí)例是從廣東省某醫(yī)院進(jìn)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(shí)間點(diǎn)均為4個(gè)，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(shí)例1為完整數(shù)據(jù)，不存在缺失數(shù)據(jù)，指標(biāo)

4、為抑郁積分和焦慮積分，實(shí)例2為含約10％的隨機(jī)缺失數(shù)據(jù)，指標(biāo)為心率與呼吸。 實(shí)例分析： 傳統(tǒng)方法：采用SAS程序?qū)?shí)例1和實(shí)例2進(jìn)行多變量方差分析，分析指標(biāo)隨時(shí)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(jìn)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(shí)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(shí)例模擬： 用SAS程序從總樣本含量為240，且多個(gè)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(jī)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(jìn)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(jì)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(dāng)數(shù)據(jù)符合傳統(tǒng)方法使用條

6、件的時(shí)候，新的方法估計(jì)結(jié)果與傳統(tǒng)方法估計(jì)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(jì)的結(jié)果，而且可以提供參數(shù)的隨機(jī)效應(yīng)及不同個(gè)體間存在差異的原因和各個(gè)指標(biāo)之間隨時(shí)間變化的聯(lián)合規(guī)律。 當(dāng)數(shù)據(jù)為隨機(jī)缺失數(shù)據(jù)的時(shí)候，新方法估計(jì)的結(jié)果要比傳統(tǒng)方法準(zhǔn)確，其估計(jì)參數(shù)標(biāo)準(zhǔn)誤明顯低于傳統(tǒng)方法估計(jì)參數(shù)標(biāo)準(zhǔn)誤，但同時(shí)多變量多水平模型估計(jì)參數(shù)標(biāo)準(zhǔn)誤又低于多變量潛在生長曲線模型估計(jì)參數(shù)標(biāo)準(zhǔn)誤。 2、實(shí)例模擬實(shí)驗(yàn)：當(dāng)n=30時(shí)：其固定參數(shù)估計(jì)

7、值與總體參數(shù)相差很小，當(dāng)n=60時(shí)：其95％置信區(qū)間已包含了總體參數(shù)，n=100時(shí)，已接近于總體參數(shù)。模型的隨機(jī)效應(yīng)與樣本量的關(guān)系不太穩(wěn)定，但當(dāng)樣本為100時(shí)，其估計(jì)值的95％置信區(qū)間已包含總體參數(shù)，且模型估計(jì)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(gè)反應(yīng)變量重復(fù)測量資料中的應(yīng)用，實(shí)踐發(fā)現(xiàn)，各有優(yōu)缺點(diǎn)。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(yùn)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(jī)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(shí)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