分层分析XDLPPT课件

11.06.2020，1，第九次层次分析，StratifiedAnalysis，11.06.2020，2，主要内容，一，概要二，步骤和方法：资料整理同质性检查点值估计假设检查区间估计三，效果测定修饰的评价和描述四，基本生存分析诱导期分析，11.06.06 摘要历史：美国著名生物统计学家Mantel和Haenszel于1959年首次，为解决肿瘤回顾性研究中的拥挤问题，提出了著名的层次分析法。 概念：层次分析是一种数据分析方法，将数据按某(某)可控变量的不同分类进行层次化，然后估计某暴露因子与某疾病之间的关系。 11.06.2020，4，关于层次分析的用途，混合因子的估计和控制效果测定修饰的评价和描述在随访研究中，研究说明访问不足问题和竞争风险的两个因子之间的生物学相互作用，用于生存分析和诱导期分析。 11.06.2020、5、概况-拥挤和效果测定修饰(1)、拥挤：研究某疾病与某因素的关系时，由于与一种或多种疾病有制约关系，并与暴露因子密切相关的第三变量的影响，隐藏或夸大了研究的暴露因子与疾病的关系。 这个作用称为混合，这些第三变量称为混合因子。 效果测定修饰：意味着某个效果测定值的大小根据某个第三变量(暴露和发病以外)的值的变化而变化，该第三变量称为效果测定修饰因子。 11.06.2020、6、概要-拥挤和效果测定修饰(2)，效果测定修饰被认为是效果的异质性，效果测定修饰不被称为效果的同质性。 当效果测定修饰因子和暴露因子都作用于疾病的发生时，暴露组发病率与非暴露组发病率之比在某些可疑效果测定修饰因子的各级之间一定，即没有修饰作用，它们的差不一定，即可能有修饰作用的比测定和差测定都没有修饰作用，就没有其他的反之亦然。 11.06.2020、7、概况-拥挤和效果测定修饰(3)、11.06.2020、8、概况-拥挤和效果测定修饰(4)、拥挤和效果测定修饰的异同：两者歪曲估计的曝光效果相同的两者的主要差异表现在以下四个方面：1) 效果测定修饰是研究效果的一个特性，独立于研究，是不依赖调查研究设计变化的客观现象，拥挤与否取决于研究设计，拥挤是研究中的偏差，是系统误差。 2 )效果测定修饰的有无取决于使用的效果测定指标的拥挤与特异的效果测定指标无关。 11.06.2020，9，概要-拥挤和效果测定修饰(5)，3 )拥挤在暴露和非暴露组(或病例和对照组)中拥挤因子的分布比例不同，因此效果测定修饰对效果测定修饰因子对暴露和疾病的关系有着实质的影响，或者效果测定修饰因子和暴露因子相互作用4 )研究者希望预防和消除拥挤，但效果测定的修饰要尽可能地发现和说明。 通过改变源集团和设计战略(配合等)，虽然可以防止潜在的拥挤因素混合存在，但同时也有可能削弱效果测定修饰的研究。 11.06.2020，10，概要-拥挤的判断，拥挤因素具有以下4个基本特征：1)它应该是对照组中研究的疾病的危险因素2 )它必须与源组的暴露变量有关3 )不是暴露和疾病的中间变量4 11.06.2020、11、摘要-拥塞大小估计、拥塞因子作用大小的最直接估计方法是将调整该拥塞因子之前和调整后的效果测量进行比较，并按两个效果测量之间的不匹配程度进行估计。混合因子的作用大小的估计最好在其他的混合因子受控制的条件下进行。 选择11.06.2020、12、概要-混合因子(1)，控制必要性的判断：在效果估计的变化中选择临界点作为判断的基准。 一般认为，临界点的选择，人为的决定法，即人为调整的效果测定值的变化必须超过5%，超过10%或其他标准是很重要的。 统计学检查：对未调整和调整的评价值的差异进行统计学检查，如果检查结果有显着性，就需要调整该因子。 选择混合因子时，不要把原来的0.05水平提高，而要把拒绝无效假设的水平提高到0.2以上。 11.06.2020、13、关于选择混合因子(2)，并不试图在层次分析中控制所有混合因子。 为了限制样品。 另一方面，如果控制了一些拥塞因子，则其它拥塞因子的作用变小，其可被忽略。 因此，没有必要对每个重要的拥挤因素进行控制。 选择11.06.2020、14、关于混合要素(3)，前向选择策略选择需要控制的混合要素。 从一般最容易接受的层次(按性别等)进行暴露效果的估计，然后根据拥挤因子的作用大小，将作用大的拥挤因子一个一个地增加到层次变量上。 如果控制变量的增加对整体效果估计变得不重要，那么停止选择过程。 选择11.06.2020、15、概要-混合因子(4)，反向删除策略：首先，调整所有可调整的潜在混合因子，然后逐个删除使效果变化最小的混合因子在评价混合因子的重要性时，受到其他混合因子和选择策略的强烈影响。 如果选择了11.06.2020、16、概述混合因子(5)且所有或多个混合因子被分层调整，则基于近似统计学的分层分析方法可导致较大偏差的最终结果，因为样本较小。 这种偏颇的特征是效果估计越来越远离无效假说。 抑制或减少这种偏差的方法主要是采用积极选择策略在确定混合因子选择临界点时，考虑使用可靠区间代替近似法，用精密法计算效果估计值和置信限度。 11.06.2020、17、概要确定混合因子的分类，理想地是控制混合因子的重要混合作用所需的最小分类。 原则上，如果样品足够大，分类不应该太少，如果样品太小，则以检查准确的可靠性为基准。 分类数变化时，正确的可靠性要求有适当的变化(虽然达到了要求的临界点，但没有出现过度夸张的现象)。11.06.2020、18，概述分层分析的基本步骤(1)，分层分析的前奏首先确定(部分)因子是否为混合因子，从多个混合因子中选择必须调整控制的混合因子，并确定它们的分类。 层次分析的基本步骤有： 1、层次列表：将资料按混合要素进行层次化后，分别计算各个层次的效果估计值。 11.06.2020，19，关于层级分析的基本步骤(2)，2，检查层级效果的估计：在大部分层级分析中，效果的估计在每个层级都有一些变化，但这些变化的意义不同。 检测和分析的目的是弄清这一水平效果的评价值变化是否有统计学意义、科学意义、是否有重要的公共卫生意义。 明确这些问题在确定如何报告下一阶段的分析方法和层次分析结果方面发挥了重要作用。 11.06.2020、20、概述-层次分析的基本步骤(3)、3、层次效果一致性的假设和验证：大多数层次分析方法基于层次效果的大小一致(即同质)。分层效果的匹配性的假设检查是同质性检查，首先在同质性的假设条件下求出一致效果的综合估计值，并与各层估计值进行比较。 由于比率测量的一致性通常意味着差分测量的异质性，因此必须单独评估比率和差分测量的一致性。 11.06.2020，21，概要-层次分析的基本步骤(4)，4，调节控制拥挤：同质性检验结果证明，层次效果一致，层次分析以调节控制拥挤为主。 其计算主要包含一致效果的合并点估计、一致效果的区间估计和一致效果的p值。 5、效果测定修饰的评价和描述：同质性检查结果表明，层间效果的评价值差异有统计学显着性时，该变量被认为有效果测定修饰作用。 此时，层次分析的目标指向效果测定修饰的评价和记述、11.06.2020、22、二、步骤和方法1、资料整理(1)、11.06.2020、23、资料整理(2)、11.06.2020、24、资料整理(3)、11.06.2020、2 同质性检验(testinghomogeneity )验证各层的效果大小是否一致，其变异是由随机误差引起的还是固有的。 这是层次分析面临的第一个课题。 同质性检查的假设效果大小u在各层都是同质的，同质性检查采用wald chi方检查的方法。11.06.2020、26、同质性检查(2)、11.06.2020、27、同质性检查(3)、11.06.2020、28、3、点值估计(1)、11.06.2020、29， 分析方法的选择分析方法：直接整合法最大似然法M-H法资料类型：人时资料纯计数资料病例的矩阵资料测定指标：率差和率比要求精度：精确法和近似法，11.06.2020，30，程序和方法-点值估计(2)，(1)直接整合法直接整合法(directpooling ) 法利用从各层资料计算出的效果估计值的方差倒数来加权各层的效果估计值，直接合法的式子从通式中直接导出。 用这种方法，每个层需要足够的样本来获得足够的方差估计，并且当层中的样本太小时，方差会变大，因此估计结果变得不可靠。 11.06.2020、31、步骤和方法-点值估计(3)、11.06.2020、32、步骤和方法-点值估计(4)、11.06.2020、33、步骤和方法-点值估计(5)、11.06.2020、34 35步骤和方法-点值估计(7)、11.06.2020、36、步骤和方法-点值估计(8)是将层次效果估计进行加权平均以获得匹配效果估计的方法。 这两者之间的差异在于标准化所选权重基于与资料之外的标准分布，即，权重选择不考虑标准化资料，各级效果的大小不必相同的直接合并的主要缺点之一是，用于合并的层的权重对于所述层来说必须是均匀的在度数少的资料中，方差推定和后续的权重不是高精度的。 11.06.2020、37、步骤和方法-点值估计(9)、(2)最大似然法-最大似然法的一个主要优点是具有高有效性和偏差小的倾向，且样本具有相对离散且电平估计高的缺点缺点是计算复杂。 为了使用11.06.2020、38、步骤和方法-点值估计(10 )、最大似然法进行综合估计，首先，将某个资料的似然方程式建立为研究参数的函数，在似然模型下，通过反复解高阶方程式或高阶方程式，来将该参数的最大似然估计虽然复杂方程不包括用于平均层效果的估计的直接权重，但是方程的解总是在层效果的估计的范围内。11.06.2020，39，步骤和方法-点值估计(11 )，在使用最大似然法估计一致效果的情况下，根据资料类型(人时资料、累积发生率资料和病例对照资料)和效果测量指标(发生率差和发生率比)应用不同的模型，建立不同的方程式，建立不同的解法人的情况下的数据的发生率比的最大似然估计值除了仅通过反复地解单一方程式得到以外，其他参数估计值还需要解级数大于1的方程式，还需要同时解满足似然方程式的各层的非暴露组的发生率的值。 11.06.2020、40、程序和方法-点值估计(12 )，一般来说，分析率比的最大似然法使用泊松概率模型或二项式概率模型，这些模型要求各层内和各层间的数值彼此独立。 如果研究的疾病有传染性，这个假设不成立，所以用似然模型分析传染性疾病的资料可能不好。 四表(22 )数据的比率分析有两种不同的模型：一种是二项式模型，另一种称为非条件模型，是单超几何模型，条件利用该模型进行似然统计被称为条件似然统计(conditional-likelihood statistics )。 11.06.2020、41、步骤和方法-点值估计(13 )，因为二项式模型的似然统计请求对二项式的分母(N1i和N0i )很大(一般要求 10 )，所以在资料频度少的情况下，仅超几何模型的似然分析近似有效。 通常，这种小样本的近似度不限于层级效应值的估计，并且如果累计各层的频率，则需要较大样本，而不管条件或条件的最大似然性估计。 11.06.2020、42、步骤和方法-点值估计(14 )、(3)m-h法是一致效果的点值估计，直接合并法计算简单，概念明确，但各层内需要大的度数，否则可靠性低的最大似然法即使度数少也能得到可靠的结果，但是1959年，Mantel和Haenszel提出了着名的m-h法。 该方法计算简单，并且像条件最大似然统计那样，即使在各层内的度数少的情况下，或者偶然资料含有零的情况下，也能得到良好的效果。 11.06.2020，43，步骤和方法-点值估计(15 )，11.06.2020，44，步骤和方法-点值估计(16 )，11.06.2020，45，4，假设检验(1)， 阶层数据的统计假设检定实际上只是比率或发生率比偏离1的检定资料和无效假设的整体分离状况，即使阶层效果测定值变化，其验证也只是一致效果的综合评价值和无效值的分离的验证。 11.06.2020，46，程序和方法-假设检验(2)，分层数据的统计假设检验方法是对没有分层数据的假设检验方法的直接扩展，有精密检验和近似检验两种方法。 根据概率乘法法则，因为观测到一系列结果的概率是出现各结果的