医学多变量重复观测资料的随机系数模型

1、医学多变量重复观测资料的随机系数模型               作者：陈长生，徐勇勇，袁天峰,赵东涛，尚磊，夏结来，潘峰【关键词】  重复观测     Multivariate random coefficients model of repeated measures data in medical research【Abstract】 AIM: To study multivariate random coef

2、ficients model of repeated measures data in medical research. METHODS:  Both diastolic and systolic blood pressures repeated measures data, collected from 120 drug abusers after taking two kinds of medicine (Drug A: Xiaoyinfuzheng, Drug B: Kelening), were analyzed by multivariate random coeffic

3、ients model. The fixed effect parameters matrix x of model coefficients were estimated by using least squares estimation method, the effects between treatment groups were compared and the variancecovariance matrices of random effect were also estimated. Related analysis methods were programmed with

4、SAS/IML code. RESULTS:  Estimated parameters with fixed effect and random effect were obtained and graphs were drawn. Both diastolic and systolic blood pressures changed with time after treatment and the trends between treatment groups were different. A slow change was observed in Drug A group,

5、 while a greater curvature was found in Drug B group. Both diastolic and systolic blood pressures in Drug A group were higher than those in Drug B group. CONCLUSION:  Multivariate random coefficients model can effectively analyze the dynamic change trend and random effects of multivariate repea

6、ted measures data in medical research.【Keywords】 repeated measures; random coefficients model; multivariate statistics【摘要】 目的：研医学重复观测数据的多变量随机系数模型. 方法：对两种药物（A药：消瘾扶正胶囊，B药：可乐宁）治疗120例患者后的舒张压和收缩压重复观测数据进行多变量随机系数模型分析，对模型系数的固定效应参数矩阵作最小二乘估计并进行组间比较，同时估计随机效应的方差协方差矩阵，分析方法用SAS/IML软件编程得以实现. 结果：得到了固定效应和随机效应有关参数的估计

7、值，并给出了曲线图. 用药后患者的舒张压和收缩压随时间的变化而变化，且两个药物组曲线的变化趋势是不相同的，A药组的变化相对平缓,而B药组起伏波动较大，用药后A药组的舒张压和收缩压相对来说均较B药组为高. 结论：多变量随机系数模型可有效地进行多变量重复观测数据的动态变化趋势分析以及随机效应分析.【关键词】 重复观测;随机系数模型;多元统计学0引言医学研究中常会遇到重复观测数据的统计分析问题，例如，在临床上，为了研究不同降压药的疗效而对高血压患者服药前、服药后2, 4, 6和8 wk的血压进行重复观测；在儿少卫生中，为了研究儿童体格发育情况，定期重复观察不同喂养方式的婴儿体格发育指标，如身长、坐高

8、、体质量等. 这类研究对个体的观察指标进行多次反复测量，其观测结果体现的是整个重复观测场合中个体指标发展变化趋势以及相关因素的影响. 由于重复观测数据间存在自相关性且随机误差至少可分为两个层次，即个体间误差和个体内反复测量间误差，因而其分析方法有别于一般的统计分析方法1-3. 另外，在实际工作中为了了解多个变量间的关系以及变化规律，常常需要在不同的时间点同时观测个体的多个反应变量，如收缩压和舒张压，身高和体质量等，此时，需要进行多变量分析. 为了充分利用该类数据所包含的信息以及更好地动态了解个体多个反应变量的变化规律，我们用SAS/IML软件编写了分析程序4,5，并对医学多变量重复观测数据进行

9、了随机系数模型分析.1资料和方法1.1资料取自西安市药物依赖治疗中心提供的数据，治疗中心为了比较消瘾扶正胶囊和可乐宁两种药物的治疗效果，将120名药物依赖患者随机分为两组，A组用消瘾扶正胶囊治疗，B组用可乐宁治疗，对其舒张压和收缩压进行测量，用药后5 d内的观测结果见Tab 1.表1治疗后患者的舒张压和收缩压（略）1.2方法假设在重复观测设计研究中，有r个处理组，第j组(j=1,2,r)的观察个体数为nj，N=n1+n2+nr，对每一个体的m个反应变量（指标）重复观测p次，相应的观察点（如时间）为t1, t2, ,tp，Yik表示在观察点ti处第k个个体的m个变量的观察值向量(i=1,2, p

10、; k=1,2, N)，Yk表示第k个个体的pm维列向量，即由p个向量Yik（i=1, p）依次“拉直”而成，则有多变量随机系数模型6Yk=(BIm)k+k(1)其中k为随机误差向量，服从多元正态分布Npm(0,Ipe),e为m阶方阵，k为第k个个体的mq维模型系数向量，B为p×q阶ti的幂阵，称为轮廓设计阵，即B=t01t11tq-11t02t12tq-12t0pt1ptq-1p式（1）中的符号“AB”表示矩阵A与矩阵B的Kronecker积，即A=(aij), B=(bij), AB=(aijB).随机系数模型中的k是与观察个体有关的向量，随个体而变化，由固定效应和随机效应两部分

11、组成，即k=ak+k，固定效应部分中的为未知的mq×r阶模型参数矩阵，的第j列对应第j组，并且前m个元素为m个变量t0的系数(即截距)，接着的m个元素为t1的系数，如此反复直到tq1的m个系数. 固定效应部分中的ak为已知的r×1阶矩阵，随机效应部分中的k为个体随机效应向量，服从多元正态分布Nmq(0,), k与k相互独立. 因此，可得到以下模型Yk=(BIm)ak+(BIm)k+k(2)其中Var(Yk)=(Ipe)+(BIm)(BIm). 未知参数的最小二乘估计值为=(BB)-1BImYA(AA)-1(3)其中Y=Y1,YN，A为分块对角阵,称为处理设计阵，即A=diagE1n1