期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
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
1
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
在广义线性混合模型框架下多结局测量的多变量meta分析 被引量:2
2
作者 黄春珍 李婷婷 +1 位作者 肖丽华 郑建清 《中国卫生统计》 CSCD 北大核心 2020年第1期97-102,共6页
目的基于SAS PROC NLMIXED探讨在广义线性混合模型框架下实现多结局测量的多变量meta分析的方法。方法Stijnen等人提出一种基于广义线性混合效应模型(generalized linear mixed model,GLMM)的确切的研究内似然模型(exact within-study l... 目的基于SAS PROC NLMIXED探讨在广义线性混合模型框架下实现多结局测量的多变量meta分析的方法。方法Stijnen等人提出一种基于广义线性混合效应模型(generalized linear mixed model,GLMM)的确切的研究内似然模型(exact within-study likelihood models,EWLM)meta分析技术,可以极方便地实现多结局测量的多变量meta分析。本文重新对Voko等人的荟萃分析数据进行分析,该数据旨在研究颈动脉狭窄患者采用颈动脉内膜切除术或保守治疗对联合终点卒中或死亡的影响。结果基于PROC NLMIXED拟合的多变量随机效应模型的meta分析显示,手术组术后第1个月内的事件发生率为6.31%,SE=0.0083,95%CI(0.0456,0.08063)。手术治疗一个月后的事件发生率为5.5%,SE=0.0024,95%CI(0.04953,0.05962);而对照组事件发生率为7.45%,SE=0.0058,95%CI(0.06231,0.08672)。组间比较比值比效应值OR=0.732,SE=0.0498,95%CI(0.6269,0.838),P=0.0003。结论多变量分析比单变量分析具有更大的潜在信息量,基于广义线性混合效应模型的确切的研究内似然模型meta分析技术可以成为多结局测量的优选方法。 展开更多
关键词 多结局测量 广义线性混合效应模型 确切研究内似然模型 多变量meta分析
在线阅读 下载PDF
利用SAS软件PROC MCMC过程步实现诊断性试验的贝叶斯Meta分析 被引量:1
3
作者 许佩华 郑建清 《中国循证儿科杂志》 CSCD 北大核心 2019年第3期205-211,共7页
目的:介绍利用SAS软件PROC MCMC过程步实现诊断性试验的贝叶斯Meta分析。方法:利用Menke编制的基于SAS PROC MCMC过程步的Meta分析代码,以高分辨率超声诊断颞下颌关节盘前移位准确度的研究作为示例,介绍诊断性试验的贝叶斯Meta分析实施... 目的:介绍利用SAS软件PROC MCMC过程步实现诊断性试验的贝叶斯Meta分析。方法:利用Menke编制的基于SAS PROC MCMC过程步的Meta分析代码,以高分辨率超声诊断颞下颌关节盘前移位准确度的研究作为示例,介绍诊断性试验的贝叶斯Meta分析实施方法。结果:基于实例数据,本文给出了贝叶斯固定效应模型和随机效应模型Meta分析结果。随机效应分析结果显示:高分辨率超声诊断可复性盘前移位的合并敏感度0.852(95%CI:0.766~0.924),合并特异度0.865(95%CI=0.760:0.944),诊断比值比DOR 53.413(95%CI:11.855~170.4)。结论:SAS PROC MCMC是实现敏感性和特异性的双变量随机效应贝叶斯Meta分析的优秀方法。 展开更多
关键词 诊断性试验 贝叶斯Meta分析 马尔科夫链蒙特卡洛方法 分层模型 系统评价
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部