CN119479830A 一种多中心数据聚合方法 (北京大学)_第1页
CN119479830A 一种多中心数据聚合方法 (北京大学)_第2页
CN119479830A 一种多中心数据聚合方法 (北京大学)_第3页
CN119479830A 一种多中心数据聚合方法 (北京大学)_第4页
CN119479830A 一种多中心数据聚合方法 (北京大学)_第5页
已阅读5页,还剩34页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

获取来自多个数据中心的生物标志物对应的本分参考测量值;通过贝叶斯算法基于本地测量物学效应进行后验分布估计,获得目标估计参生物标志物与疾病结局之间有效的目标估计参2通过贝叶斯算法基于所述参考测量值和所述本地测量值对所述生物标志物的生物学根据所述研究协变量、所述参考测量值和所述本地测量值构建通过预设采样器和所述本地估计信息对所述生物标志物进行贝叶斯所述参考测量值和所述本地测量值构建所述生物标志物对应的本地估计信息的步骤,包根据所述研究协变量、所述参考测量值和所述本地测量值构建基于所述样本似然函数和所述联合先验分布构建所述生物标志物对应的本地估计信所述参考测量值和所述本地测量值构建所述生物标志物对应的样本似然函数的步骤,包基于所述本地测量值、所述研究协变量和所述参考测量值构建根据预设独立假设和所述初始似然函数构建所述生物标志物对应根据预设独立假设、所述初始似然函数和所述目标回归模型构建3数据获取模块,用于获取来自多个数据中心的生物标志物对应数据估计模块,用于通过贝叶斯算法基于所述参考测量值和置为实现如权利要求1至7中任一项所述的多中心数据聚合方中心数据聚合程序被处理器执行时实现如权利要求1至7任一项所述的多中心数据聚合方4终生物标志物与疾病结局对应的参数估计的准确度。通过贝叶斯算法基于所述参考测量值和所述本地测量值对所述生物标志物的生5基于所述样本似然函数和所述联合先验分布构建所述生物标志物对应的本地估根据预设独立假设和所述初始似然函数构建所述生物标志物对应的样本似然函合程序配置为实现如上文的多中心数据聚合6图7为本申请实施例中多中心数据聚合方法涉及的硬件运行环境的设备结构示意应会影响后续生物标志物与疾病结局之间的参数估7志物疾病关联的贝叶斯后验分布,最终基于后验分布分析结果确定生物标志物与疾病结[0026]具体地,本申请首先通过对来自多个数据中心的生物标据来源的实验室中对生物标志物进行特定测定[0032]然而,在单一参考实验室重新分析来源于多个研究中心的所有生物样本成本较[0033]可理解的是,本实施例假设用S=1,…,S表示来自S个不同实验室的研究指标,即8标志物都可以获得其对应的本地测量值wsi,但只有一部分生物标志物经过上述抽样测定测量值wsi的分布在不同的研究中表现出异质性。[0034]步骤S30,通过贝叶斯算法基于所述参考测量值和所述本地测量值对所述生物标需要理解的是,上述研究协变量可以是研究中个体i其他对疾病结局有影响的因计信息对生物标志物的生物学效应,即其与疾病结局之间的效应影响进行贝叶斯后验估步骤A31,通过预设采样器和所述本地估计信息对所述生物标志物进行贝叶斯采9标估计参数的点估计,并计算生物标志物后验样本对应的95%最高后验密度区间作为目标后基于参考测量值对未重新测定分析的剩余生物标志物的潜在参考测量值进行贝叶斯后考测量值进行贝叶斯后验估计,将剩余生物标志物的潜在参考测量值转化为可估计的量,经过抽样测定的剩余生物标志物对应的潜在参[0055]可以理解的是,上述预设独立假设可为假设疾病结局vsi和本地测量值wsi与给定。it-1(t=1/(1+exp(-t))是logit函数(逻xs,a,,b,,)=N(a;+b,xs,):(8)P(ua)=p(un)=p(y0)=N(0,1);(19)样本似然函数和联合先验分布构建剩余生物标志物的假定参照测量值与目标估计参数之数据估计模块603,用于通过贝叶斯算法基于所述参考测量值和所述本地测量值数据估计模块603,还用于基于所述本地估计信息对所述生物标志物进行贝叶斯数据估计模块603,还用于基于所述样本似然函数和所述联合先验分布构建所述数据估计模块603,还用于根据预设独立假设和所述初始似然函数构建所述生物[0104]本申请提供的多中心数据聚合装置,采用上述实施例中[0106]下面参考图7,其示出了适于用来实现本申请实施例的多中心数据聚合设备的结构示意图。本申请实施例中的多中心数据聚合设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(PersonalDigitalAssistant:个人数字助理)、PAD的功能和使用范围带来任何限制。[0109]本申请提供的多中心数据聚合设备,采用上述实施例中多中心数据聚合设备的有益效果与上述实施例提供的多中心数据聚合方法的有益效果相据聚合程序计算机可读程序指令用于执行上述实施例中的多中心数据聚合方法。体的系统、系统或器件,或者任意以上的组合。存储介质的更具体的例子可以包括但ErasableProgrammableReadOnlyMemory或闪存)、光纤、便携式紧凑磁盘只读存储器在本实施例中,存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。存储介质上包含的程序代码可以用任何适当合适的组合。[0116]可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的多中心数据聚合程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、他相关的技术领域均包括在

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论