疾病预后研究的中介分析方法评价
发布时间：2019-12-01 03:31
【摘要】：目的对用于癌症预后研究的五种中介分析方法(VanderWeele法、Baron-Kenny法、Imai法、Sobel法和InverseWeight法)进行评价,为实例分析的方法选择提供依据。方法基于模拟试验,产生不同参数设置下的模拟数据,并评价五种方法的第一类错误、检验效能和分析时间。结果除InverseWeight法在相关系数较大时第一类错误有所膨胀外,其余四种方法的第一类错误在不同参数情况下均在0.05附近。五种方法的检验效能趋势一致,均随着样本量、中介比、总效应的增大而增大,随着删失比的增大而减小。在样本量较小(N=100)且中介比不大于30%的情况下,InverseWeight法的检验效能低于另四种方法。InverseWeight法、Baron-Kenny法和Imai法的分析效率远低于VanderWeele法和Sobel法。结论综合考虑一类错误控制、检验效能及分析效率,推荐VanderWeele法进行预后研究的中介分析。
【图文】：
?.1(0.2)0.9cen%0，10%，30%，50%0，10%，30%，50%0，10%，30%，50%N100，，500，1000100，500，1000100，200，300，400，500，10002.模拟试验流程(1)根据参数设置产生模拟数据;(2)用五种方法对产生的同一模拟数据分别进行分析，提取相关结果，包括:间接效应的点估计、区间估计(95%CI)、假设检验P值及检验结果(是否拒绝H0);(3)在不同参数情况下重复(1)～(2)步骤1000次，对1000次的结果进行汇总，得到五种方法的第一类错误和检验效能。结果1.一类错误当总效应不存在(HＲ=1)的时候，IE的期望为0。如图1为该情况下不同方法的第一类错误。横坐标为暴露A与中介M的相关系数r，纵坐标为第一类错误。当相关系数较低情况下，五种方法的第一类错误均接近于0，且随着相关系数的增大而逐渐增大。样本量较小情况下更为明显，样本量较大情况下，该趋势有所缓和。相关系数较大的情况下，IW法的第一类错误略有膨胀。删失比对第一类错误的影响不大。图1总效应不存在时暴露－中介的相关系数与第一类错误的关系同理，当暴露与中介因素不存在相关性的时候(r=0)，IE的期望亦为0。图2为该情况下不同方法的第一类错误。横坐标为总效应，纵坐标为第一类错误。如图所示，在样本量较小(N=100)的情况下，五种方法的第一类错误随着总效应的增大逐渐增大;在样本量较大(N=500，1000)的情况下，该趋势不再明显，五种方法的第一类错误均保持在0.05附近。删失比对五种方法的第一类错误影响不明显。2.检验效能如图3所示(r=0.3，HＲ=1.5)，随着样本量的增加五种方法的检验效能均逐渐增大;IW法的检验效能明显低于其余四种方法。同样，如图4所示(r=0.3，N=100)，随着总效应的增加，检验效能亦逐渐增大;IW法亦明显低于其余四种方法。当考察相关
图2暴露－中介关系为零时总效应与第一类错误的关系图3r=0.3，HＲ=1.5时检验效能与样本量的关系其余参数情况下，趋势类似。根据间接效应公式IE=eθ1×β2=er×β2可知，随着相关系数r的增大，间接效应理论上呈指数增加(在log尺度上呈线性增加)，其检验效能也应升高。但模拟结果与此推测相违背。结合模型(1)，提出假设:随着A和M相关系数的增大，模型(1)中A及M的系数估计的随机扰动增加，导致系数β2的变异变大，从而间接效应的变异变大，最终导致在较高相关系数的情况下检验效能减校据此，设置模拟试验参数(β1=β2=0.5，samplesize=100，cen%=0.2，r=0.01(0.01)0.99，基于VanderWeele法模拟5000次，发现:随着相关系数的增大，β2的点估计波动变大，其方差呈现指数级膨胀;log(IE)的估计值呈线性上升，其方差亦呈指数级膨胀(图6)。该模拟试验结果验证了前文的假ChineseJournalofHealthStatistics，Jun．2017，Vol．34，No．3·393·
本文编号：2568206
【图文】：
?.1(0.2)0.9cen%0，10%，30%，50%0，10%，30%，50%0，10%，30%，50%N100，，500，1000100，500，1000100，200，300，400，500，10002.模拟试验流程(1)根据参数设置产生模拟数据;(2)用五种方法对产生的同一模拟数据分别进行分析，提取相关结果，包括:间接效应的点估计、区间估计(95%CI)、假设检验P值及检验结果(是否拒绝H0);(3)在不同参数情况下重复(1)～(2)步骤1000次，对1000次的结果进行汇总，得到五种方法的第一类错误和检验效能。结果1.一类错误当总效应不存在(HＲ=1)的时候，IE的期望为0。如图1为该情况下不同方法的第一类错误。横坐标为暴露A与中介M的相关系数r，纵坐标为第一类错误。当相关系数较低情况下，五种方法的第一类错误均接近于0，且随着相关系数的增大而逐渐增大。样本量较小情况下更为明显，样本量较大情况下，该趋势有所缓和。相关系数较大的情况下，IW法的第一类错误略有膨胀。删失比对第一类错误的影响不大。图1总效应不存在时暴露－中介的相关系数与第一类错误的关系同理，当暴露与中介因素不存在相关性的时候(r=0)，IE的期望亦为0。图2为该情况下不同方法的第一类错误。横坐标为总效应，纵坐标为第一类错误。如图所示，在样本量较小(N=100)的情况下，五种方法的第一类错误随着总效应的增大逐渐增大;在样本量较大(N=500，1000)的情况下，该趋势不再明显，五种方法的第一类错误均保持在0.05附近。删失比对五种方法的第一类错误影响不明显。2.检验效能如图3所示(r=0.3，HＲ=1.5)，随着样本量的增加五种方法的检验效能均逐渐增大;IW法的检验效能明显低于其余四种方法。同样，如图4所示(r=0.3，N=100)，随着总效应的增加，检验效能亦逐渐增大;IW法亦明显低于其余四种方法。当考察相关
图2暴露－中介关系为零时总效应与第一类错误的关系图3r=0.3，HＲ=1.5时检验效能与样本量的关系其余参数情况下，趋势类似。根据间接效应公式IE=eθ1×β2=er×β2可知，随着相关系数r的增大，间接效应理论上呈指数增加(在log尺度上呈线性增加)，其检验效能也应升高。但模拟结果与此推测相违背。结合模型(1)，提出假设:随着A和M相关系数的增大，模型(1)中A及M的系数估计的随机扰动增加，导致系数β2的变异变大，从而间接效应的变异变大，最终导致在较高相关系数的情况下检验效能减校据此，设置模拟试验参数(β1=β2=0.5，samplesize=100，cen%=0.2，r=0.01(0.01)0.99，基于VanderWeele法模拟5000次，发现:随着相关系数的增大，β2的点估计波动变大，其方差呈现指数级膨胀;log(IE)的估计值呈线性上升，其方差亦呈指数级膨胀(图6)。该模拟试验结果验证了前文的假ChineseJournalofHealthStatistics，Jun．2017，Vol．34，No．3·393·
【相似文献】
相关期刊论文 前3条
1 唐尧;医学论文撰写中的常见统计学差错与处理(三)[J];江苏临床医学杂志;1997年03期
2 徐勇勇,韦丽琴,刘丹红;医学统计教材内容的标准化问题[J];中国卫生统计;2004年06期
3 ;[J];;年期
相关硕士学位论文 前3条
1 张辉;广义推断在系统可靠性问题中的应用[D];北京建筑大学;2015年
2 蔡晶晶;Bayes方法在国际多中心临床试验中的应用[D];南京医科大学;2016年
3 吴琴;敏感性调查中两总体下NRR模型的应用[D];东北师范大学;2010年
本文编号：2568206
本文链接：https://www.wllwen.com/yixuelunwen/zlx/2568206.html
