中国卫生统计 /oa 中国卫生统计2019年10月第36卷第5期中英文目次 /oa/darticle.aspx?type=view&id=20190500001 2019年10月25 00:00 2019年10月第5期 641 641 393870 本刊编辑部 <p>参考值范围样本量估计中参数的适度性研究</p> /oa/darticle.aspx?type=view&id=201808133 <p>目的] 探讨Troendle和Jennen-Steinmetz提出的参考值范围样本量计算方法的适用条件及参数合适取值范围。[方法] 通过计算机模拟,研究样本量计算方法的可用性和相关参数变化时样本量的变化情况。[结果] Jennen-Steinmetz提出的样本量计算方法中模拟计算的统计量η能较好满足研究设计的精度要求,容许误差δ小于0.003时,估计样本量出现迅速上升。Troendle的标准中新构建统计量r小于0.02时,样本量需求出现迅速上升。根据模拟样本量估计结果,我们认为参数δ和r的适宜取值范围分别为0.002~0.015和0.01~0.12。 [ 结论]当前样本量计算方法能一定程度上解决参考值范围计算时样本量估计问题。但是该方法还需要进一步完善改进。</p> 2019年10月25 00:00 2019年10月第5期 644 648 943008 <p>夏万元,钟晓妮,田考聪,陶浩,赖敏清,陈茜</p> <p>压缩感知理论在小样本蛋白质组学变量筛选研究中的应用</p> /oa/darticle.aspx?type=view&id=201807029 <p>目的 &nbsp;探索基于压缩感知(Compressive Sensing ,CS)理论变量筛选方法在小样本量蛋白质组学研究中应用的效果和特点,为小样本量的蛋白质组学的变量筛选提供更灵敏、可靠的方法。 方法 &nbsp;模拟实验比较基于CS理论的变量筛选方法与偏最小二乘(PLS)及随机森林(RF)筛选变量的能力,通过灵敏度、特异度及平衡准确度评价其变量筛选效果;利用CS变量筛选方法筛选非小细胞肺癌两亚型组(腺癌和鳞状细胞癌)的差异蛋白。 &nbsp;结果 &nbsp;模拟实验表明,CS理论的变量筛选方法在样本量较小时具有较好的变量筛选效果,灵敏度、特异度及平衡准确度均较高;利用基于CS理论的变量筛选方法筛选,获得肺腺癌和鳞状细胞癌间差异表达蛋白22种,被证明是肺腺癌和鳞状细胞癌间有差异的蛋白为:Cytokeratin 6A、Cytokeratin 6B、Cytokeratin 6C、PKP1、P63、MCT1。 结论 &nbsp;基于CS理论的变量筛选方法在样本量特别少时,筛选变量的效果优于PLS和RF,更适用于小样本蛋白质组学数据变量筛选研究。</p> 2019年10月25 00:00 2019年10月第5期 649 652+657 1032566 <p>张薇,张秋菊,叶倩,谢彪,王玉鹏,田伟,孙琳,刘美娜,侯小文,高兵</p> <p>无金标准下两种诊断方法准确度的贝叶斯估计</p> /oa/darticle.aspx?type=view&id=201806063 <p>【摘要】目的 无金标准情况下,探讨同时评价两种不同数据类型诊断方法的准确度问题。方法 基于实例设置研究情景,用一种相关结构方法度量两种不同方法诊断结果间的相关关系。根据观测数据,建立带相关结构的潜类别模型。用贝叶斯方法估计新建模型中的参数,用数值模拟方法验证模型参数估计的有效性。并说明误用条件独立假设时,参数估计的偏倚问题。结果 数值模拟结果显示:模型中各参数的后验估计都能收敛到参数的真实值。实例分析结果显示:无金标准情况下,“2011标准”对缺血性中风病“内风”证候的诊断准确度为0.8729 “专家诊断”的灵敏度和特异度估计值分别为0.9361,0.8937。 结论 本文在无金标准下校正了两种不同数据类型诊断结果的准确度大小。在缺血性中风病“内风”证候的诊断时,“2011标准”在临床上有一定的诊断能力,且权威专家在临床上的诊断能力非常好,但是并非100%的完全正确。</p> 2019年10月25 00:00 2019年10月第5期 653 657 825545 <p>王肖南</p> <p>城乡居民基本医疗保险小学生决策人认知及其影响因素的多重对应分析</p> /oa/darticle.aspx?type=view&id=201809129 <p>目的 探索小学生决策人对城乡居民基本医疗保险的认知及其影响因素,为进一步提高居民对城乡居民基本医疗保险的认知,完善长沙市城乡居民基本医疗保险提供参考。方法 采用三阶段分层随机整群抽样方法在长沙市随机抽取8所小学共2684名小学生,对小学生家庭中基本医疗保险最重要的决策人进行问卷调查。通过聚类分析、有序logistic回归分析和多重对应分析了解小学生决策人城乡居民基本医疗保险认知的主要影响因素。结果 小学生决策人对长沙市城乡居民基本医疗保险认知均分为5.23分,尚有较大提升空间;有序logistic回归分析结果显示:小学生决策人的性别、文化程度、小学生过去一年是否已经参保、小学生户口是否在长沙是影响小学生决策人城乡居民基本医疗保险认知的主要因素;多重对应分析结果显示:女性、文化程度越高、小学生户口在长沙、小学生过去一年已经参保的决策人,其城乡居民基本医疗保险认知更高。 结论 为提高城乡居民基本医疗保险认知,积极引导未参保者参保及合理利用医疗资源,相关部门应该加强对小学生决策人的宣传,尤其是小学生决策人为男性、文化程度较低、其家中小学生户口不在长沙、小学生过去一年没有参保的人群。</p> 2019年10月25 00:00 2019年10月第5期 658 661 852380 <p>吴艳艳,闫晓芳,史静琤,刘晓芳,程文炜,程锦</p> <p>基于生活质量研究的我国肺癌家庭负担定量测度研究</p> /oa/darticle.aspx?type=view&id=201809018 <p>目的 对2016年我国肺癌的家庭负担进行定量估计,为评估肺癌等慢性病家庭影响及制定肺癌防控策略提供数据参考。方法 利用WHOQOL-BREF量表调查肺癌患者家庭照顾者的生活质量,估算伤残权重值。借鉴全球疾病负担估计的主要指标-DALY的计算原理,通过年龄价值增量的概念将照顾者健康无形损失转换为人的价值损失,形成了家庭照顾者伤残调整人力资本。结果 我国肺癌患者家庭照顾者的伤残权重为0.296,2016年我国因照顾肺癌患者损失的伤残调整人力资本估计值约为315亿元。结论 本研究为肺癌家庭负担的估算提供了一个可以量化的指标和方法,跳出了仅考虑单纯用个体劳动力的价格来衡量人价值的局限性,纳入人在生理、心理、情感、社交等多方面遭受的无形损失的估计,较好综合了现有研究中对家庭负担内容的共识意见,从而真正衡量疾病带来的家庭负担。</p> 2019年10月25 00:00 2019年10月第5期 662 664 815312 <p>李媛秋,于石成,么鸿雁,刘剑君</p> <p>随机效应-最大期望回归树模型的模拟研究与评价</p> /oa/darticle.aspx?type=view&id=201809062 <p>【提 要】 &nbsp;目的 &nbsp;介绍随机效应-最大期望回归树模型(Random Effect-Expectation Maximization Regression Tree, RE-EM树)方法原理,比较RE-EM树与传统回归树模型(CART树)在具有随机效应且残差间自相关的纵向数据中的估计效果。 方法 &nbsp;通过计算机生成不同参数设置的模拟数据,比较在不同随机效应及残差自相关结构的纵向数据中,两种树模型对特征空间的预测能力,并通过均方误差对拟合效果进行评价。 &nbsp;结果 &nbsp;本研究所构建的RE-EM树模型在不同参数设置下预测性能均优于CART树模型。 &nbsp;结论 &nbsp;RE-EM树模型具有较强的预测性能,能准确预测特征空间且数据拟合效果好,相对于CART树模型具有明显的优势。</p> 2019年10月25 00:00 2019年10月第5期 665 668+673 845925 <p>李伟南,周舒冬,潘敏仪,林畅琪,廖海宁,郜艳晖</p> <p>山东省老年人养老意愿及影响因素分析---基于Andersen 行为模型</p> /oa/darticle.aspx?type=view&id=201809088 <p>目的 了解山东省老年人养老意愿及其影响因素。方法 以 Andersen 行为模型为指导,以山东省老年人口的实际调查数据为基础,卡方检验分析不同特征老年人养老意愿情况,采用分层逐步分析法,通过二项logistic 回归从倾向因素、使能因素、需求因素分析老年人养老意愿的影响因素。结果 被调查的老年人中选择家庭养老最多,低年龄组、文化程度高、目前有工作或退休金、收入低、城镇、东部地区、有生活自理能力、孤独感越强烈的老年人倾向于选择社会化养老方式(p&gt;0.05);模型1~3的χ2和决定系数R2均逐步增大。结论 山东省老年人养老意愿以家庭养老为主,不同特征老年群体的养老意愿不同,养老意愿受多种因素影响。</p> 2019年10月25 00:00 2019年10月第5期 669 673 796586 <p>柳红娟,徐凌忠,庞建美,栾晓嵘,李宏生</p> <p>基于SVGD分类预测的梯度提升机与随机森林的性能比较</p> /oa/darticle.aspx?type=view&id=201806149 <p>目的 采用梯度提升机与随机森林对在天津市胸科医院行CABG手术后出现复发缺血性症状的患者是否会发生SVGD进行预测,并评价两种模型的分类性能。方法 将606例研究对象按7:3比例随机分为训练集和测试集进行模型训练和测试。用NRI和IDI评价两种集成算法对CART基分类器的提升程度,并采用诊断试验评价指标对模型的分类性能进行评价。结果 以CART基分类器为参照,梯度提升机的NRI、IDI分别为0.310、0.150,而随机森林NRI、IDI分别为0.080、0.082。在测试集上GBM的AUC,ACC 分别为890,0.832高于RF 0.797,0.732。二者筛选出的最重要5个临床指标相同,依次为桥龄、左室舒张期径长、VLDL、隐静脉桥支数和心脏病类型。结论 梯度提升机和随机森林均能提升基分类器的分类性能,且前者优于后者。梯度提升机比随机森林有更好的泛化能力,更适合对外部数据的分类预测。</p> 2019年10月25 00:00 2019年10月第5期 674 677 832819 <p>巩晓文,凤思苑,马骏,李长平,刘媛媛,刘寅,高静,崔壮</p>