期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于二项式-正态层次模型框架下比例的贝叶斯Meta分析方法及实现
被引量：
9
1
作者
张天嵩
《中国循证儿科杂志》
CSCD
北大核心
2019年第2期123-128,共6页
目的:介绍适用于比例Meta分析的二项式-正态层次模型及其贝叶斯方法实现。方法:阐述二项式-正态层次模型和正态-正态层次模型,分别在此两模型框架下,选择随机效应模型对两个文献数据重新分析。采用贝叶斯和频率学方法拟合二项式-正态层...
目的:介绍适用于比例Meta分析的二项式-正态层次模型及其贝叶斯方法实现。方法:阐述二项式-正态层次模型和正态-正态层次模型,分别在此两模型框架下,选择随机效应模型对两个文献数据重新分析。采用贝叶斯和频率学方法拟合二项式-正态层次模型;对数据未经或经logit转换后,采用倒方差法等经典频率学方法拟合正态-正态层次模型。结果:在二项式-正态层次模型框架下,采用贝叶斯方法获得合并比例的点估计及95%可信区间分别为0.057(0.039,0.077)和0.799(0.693,0.897),研究间方差分别为0.488和0.919;采用频率学方法获得合并比例的点估计及95%置信区间分别为0.056(0.041,0.078)和0.798(0.692,0.875),研究间方差分别为0.400和0.589。在正态-正态层次模型框架下,经logit转换后获得合并比例的点估计及95%置信区间分别为0.073(0.057,0.094)和0.754(0.661,0.827),研究间方差分别为0.170和0.301;直接合并原始数据获得合并比例的点估计及95%置信区间分别为0.049(0.032,0.065)和0.804(0.719,0.888),研究间方差分别为0.001和0.018。结论:不同模型可以获得不同的结果,NNHM可能低估研究间方差。基于二项式-正态层次模型框架下贝叶斯方法更适用于比例的Meta分析。
展开更多
关键词
比例
META分析
二项式-正态层次模型
贝叶斯方法
R软件
在线阅读
下载PDF
职称材料
基于SAS NLMIXED的广义线性混合效应模型在发病率数据Meta分析中的应用
被引量：
5
2
作者
郑建清
黄碧芬
+1 位作者
吴敏
肖丽华
《中国循证儿科杂志》
CSCD
北大核心
2019年第2期129-133,共5页
目的:介绍利用SAS软件中的PROC NLMIXED过程步实现发病率数据的META分析方法。方法:基于广义线性混合效应模型(GLMM)的二项式-正态模型(BN)和泊松-正态模型(PNM)等,可方便地实现发病率数据的随机效应Meta分析,尤其当Meta分析纳入含0事...
目的:介绍利用SAS软件中的PROC NLMIXED过程步实现发病率数据的META分析方法。方法:基于广义线性混合效应模型(GLMM)的二项式-正态模型(BN)和泊松-正态模型(PNM)等,可方便地实现发病率数据的随机效应Meta分析,尤其当Meta分析纳入含0事件研究时。以Schutz等发表的血管内皮生长因子受体酪氨酸激酶抑制剂治疗的癌症患者发生致命不良事件风险的系统评价作为实例数据,利用SAS软件实现发病率数据的META分析,并提供编程代码。结果:对于含0事件研究,使用PNM模型进行Meta分析,无需进行连续校正法。删除0事件研究对于PNM模型影响较大。与标准正态模型相比,PNM和BNM模型给出的效应值更高,而P值则更小,具有更好的灵敏性。结论:基于广义线性混合效应模型,利用SAS的PROCNLMIXED实现发病率数据Meta分析是优选的方法。
展开更多
关键词
发病率数据
广义线性混合效应
模型
正
态
-
正
态
模型
二项式
-
正
态
模型
泊松
-
正
态
模型
在线阅读
下载PDF
职称材料
单臂试验连续型数据的贝叶斯Meta分析方法及实现
被引量：
4
3
作者
张天嵩
《中国循证儿科杂志》
CSCD
北大核心
2019年第3期212-216,共5页
目的:介绍单臂试验连续型数据的Meta分析模型、贝叶斯方法及实现。方法:阐述正态-正态层次模型,基于该模型框架,以贝叶斯方法拟合随机效应模型,对效应参数μ和异质性参数τ分别选择不同的先验,使用R软件的bayesmeta包对两个文献数据重...
目的:介绍单臂试验连续型数据的Meta分析模型、贝叶斯方法及实现。方法:阐述正态-正态层次模型,基于该模型框架,以贝叶斯方法拟合随机效应模型,对效应参数μ和异质性参数τ分别选择不同的先验,使用R软件的bayesmeta包对两个文献数据重新分析。结果:在正态-正态层次模型框架下,基于不同的先验信息,贝叶斯Meta分析结果为:数据1参数μ的点估计及95%CI分别为-4.26(-6.97,-1.92)和-4.50(-9.27,-0.53),参数τ点估计及95%CI分别为1.51(0.41,2.75)和2.28(0.00,6.57);数据2参数μ的点估计及95%CI分别为-4.07(-5.54,-2.71)和-4.12(-5.96,-2.46),参数τ点估计及95%CI分别为1.54(0.78,2.48)和1.81(0.74,3.51)。结论:不同的先验可能影响参数估计值。基于NNHM框架下的贝叶斯方法适用于单臂试验连续型数据的Meta分析。Bayesmeta包以其简单、快速、准确、可重量性算法等可以用于实现贝叶斯随机效应模型Meta分析。
展开更多
关键词
单臂试验
连续型数据
META分析
正
态
-
正
态
层次模型
贝叶斯方法
bayesmeta包
在线阅读
下载PDF
职称材料
题名
基于二项式-正态层次模型框架下比例的贝叶斯Meta分析方法及实现
被引量：
9
1
作者
张天嵩
机构
复旦大学附属静安区中心医院
出处
《中国循证儿科杂志》
CSCD
北大核心
2019年第2期123-128,共6页
文摘
目的:介绍适用于比例Meta分析的二项式-正态层次模型及其贝叶斯方法实现。方法:阐述二项式-正态层次模型和正态-正态层次模型,分别在此两模型框架下,选择随机效应模型对两个文献数据重新分析。采用贝叶斯和频率学方法拟合二项式-正态层次模型;对数据未经或经logit转换后,采用倒方差法等经典频率学方法拟合正态-正态层次模型。结果:在二项式-正态层次模型框架下,采用贝叶斯方法获得合并比例的点估计及95%可信区间分别为0.057(0.039,0.077)和0.799(0.693,0.897),研究间方差分别为0.488和0.919;采用频率学方法获得合并比例的点估计及95%置信区间分别为0.056(0.041,0.078)和0.798(0.692,0.875),研究间方差分别为0.400和0.589。在正态-正态层次模型框架下,经logit转换后获得合并比例的点估计及95%置信区间分别为0.073(0.057,0.094)和0.754(0.661,0.827),研究间方差分别为0.170和0.301;直接合并原始数据获得合并比例的点估计及95%置信区间分别为0.049(0.032,0.065)和0.804(0.719,0.888),研究间方差分别为0.001和0.018。结论:不同模型可以获得不同的结果,NNHM可能低估研究间方差。基于二项式-正态层次模型框架下贝叶斯方法更适用于比例的Meta分析。
关键词
比例
META分析
二项式-正态层次模型
贝叶斯方法
R软件
Keywords
Proportions
Meta
-
analysis
Binomial
-
normal hierarchical model
Bayesian methods
R software
分类号
TP319 [自动化与计算机技术—计算机软件与理论]
R-03 [医药卫生]
在线阅读
下载PDF
职称材料
题名
基于SAS NLMIXED的广义线性混合效应模型在发病率数据Meta分析中的应用
被引量：
5
2
作者
郑建清
黄碧芬
吴敏
肖丽华
机构
福建医科大学附属第二医院放射治疗科
福建泉州医学高等专科学校附属人民医院妇产科
出处
《中国循证儿科杂志》
CSCD
北大核心
2019年第2期129-133,共5页
基金
福建医科大学附属第二医院苗圃基金:2017MP04
文摘
目的:介绍利用SAS软件中的PROC NLMIXED过程步实现发病率数据的META分析方法。方法:基于广义线性混合效应模型(GLMM)的二项式-正态模型(BN)和泊松-正态模型(PNM)等,可方便地实现发病率数据的随机效应Meta分析,尤其当Meta分析纳入含0事件研究时。以Schutz等发表的血管内皮生长因子受体酪氨酸激酶抑制剂治疗的癌症患者发生致命不良事件风险的系统评价作为实例数据,利用SAS软件实现发病率数据的META分析,并提供编程代码。结果:对于含0事件研究,使用PNM模型进行Meta分析,无需进行连续校正法。删除0事件研究对于PNM模型影响较大。与标准正态模型相比,PNM和BNM模型给出的效应值更高,而P值则更小,具有更好的灵敏性。结论:基于广义线性混合效应模型,利用SAS的PROCNLMIXED实现发病率数据Meta分析是优选的方法。
关键词
发病率数据
广义线性混合效应
模型
正
态
-
正
态
模型
二项式
-
正
态
模型
泊松
-
正
态
模型
Keywords
Incidence rate data
Generalized linear mixed
-
effects model
Normal
-
normal model
Binomial
-
normal model
Poisson
-
normal model
分类号
TP319 [自动化与计算机技术—计算机软件与理论]
R195.1 [医药卫生—卫生统计学]
在线阅读
下载PDF
职称材料
题名
单臂试验连续型数据的贝叶斯Meta分析方法及实现
被引量：
4
3
作者
张天嵩
机构
复旦大学附属静安区中心医院
出处
《中国循证儿科杂志》
CSCD
北大核心
2019年第3期212-216,共5页
文摘
目的:介绍单臂试验连续型数据的Meta分析模型、贝叶斯方法及实现。方法:阐述正态-正态层次模型,基于该模型框架,以贝叶斯方法拟合随机效应模型,对效应参数μ和异质性参数τ分别选择不同的先验,使用R软件的bayesmeta包对两个文献数据重新分析。结果:在正态-正态层次模型框架下,基于不同的先验信息,贝叶斯Meta分析结果为:数据1参数μ的点估计及95%CI分别为-4.26(-6.97,-1.92)和-4.50(-9.27,-0.53),参数τ点估计及95%CI分别为1.51(0.41,2.75)和2.28(0.00,6.57);数据2参数μ的点估计及95%CI分别为-4.07(-5.54,-2.71)和-4.12(-5.96,-2.46),参数τ点估计及95%CI分别为1.54(0.78,2.48)和1.81(0.74,3.51)。结论:不同的先验可能影响参数估计值。基于NNHM框架下的贝叶斯方法适用于单臂试验连续型数据的Meta分析。Bayesmeta包以其简单、快速、准确、可重量性算法等可以用于实现贝叶斯随机效应模型Meta分析。
关键词
单臂试验
连续型数据
META分析
正
态
-
正
态
层次模型
贝叶斯方法
bayesmeta包
Keywords
Single
-
arm trials
Continuous data
Meta
-
analysis
Normal
-
normal hierarchical model
Bayesian methods
Bayesmeta package
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于二项式-正态层次模型框架下比例的贝叶斯Meta分析方法及实现
张天嵩
《中国循证儿科杂志》
CSCD
北大核心
2019
9
在线阅读
下载PDF
职称材料
2
基于SAS NLMIXED的广义线性混合效应模型在发病率数据Meta分析中的应用
郑建清
黄碧芬
吴敏
肖丽华
《中国循证儿科杂志》
CSCD
北大核心
2019
5
在线阅读
下载PDF
职称材料
3
单臂试验连续型数据的贝叶斯Meta分析方法及实现
张天嵩
《中国循证儿科杂志》
CSCD
北大核心
2019
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
