广义线性模型在医疗器械临床试验中的应用研究

广义线性模型在医疗器械临床试验中的应用研究

论文摘要

背景:定量指标纵向数据被广泛应用于医疗器械临床试验中,因群组内或受试者内数据具有相同的属性而存在相关性,不满足独立性假设,为相关数据资料。传统的分析方法成组t检验、方差分析、一般线性模型,因要求数据满足独立性,忽略了群组或受试者内数据的相关性,会低估参数的标准误,易犯假阳性错误,可能造成无效器械产品上市。广义估计方程和混合效应模型,是在广义线性模型的基础上提出的,用于分析相关数据资料两种不同的分析方法,前者为总体平均模型,后者为特定个体模型,其参数估计方法不同,也可能会导致试验结论的不同,已有研究报道广义估计方程参数估计标准误更小。另外,目前传统的分析方法、广义估计方程、混合效应模型均被应用于器械试验定量指标纵向数据的分析中,分析方法的应用仍各不相同。应如何选择合适的分析方法、如何有效地、充分地分析纵向数据,正确地评价器械产品的疗效,是亟待解决的问题,也是国家监管部门关注的问题。目的:通过随机模拟的方法,在不同样本量方案下、考虑不同数据相关程度和不同比例的组合下模拟相关数据资料,全面地比较一般线性模型、广义估计方程及混合效应模型在器械试验定量指标纵向数据中的估计效果,结合实例分析探讨合适的统计分析方法并提供参考。方法:以非劣效支架试验设计为例并结合应用蒙特卡洛随机模拟的方法,设定不同非劣效界值、不同把握度水平、不同标准差,构建非劣效试验设计对应的4种不同样本量,试验组和对照组分别为每组100、120、140、200例;在每种样本量方案下设定数据的相关程度分别为不相关、低相关、中度相关和高度相关;设定相关数据的比例分别为分别取0.05、0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9、1,共11种情况;生成模拟研究的相关数据资料,每种情况模拟1000次。分别计算一般线性模型、广义估计方程、混合效应模型得到阳性结果时的实际把握度,通过考察是否与试验设计时预先设定的把握度相一致;同时比较不同方法间假阳性错误率,评价模型应用的准确性。其中,广义估计方程采用独立和等相关的组内相关结构,分别用广义估计方程(独立)、广义估计方程(等相关)表示。结果:模拟研究结果显示:在数据相关程度为不相关、低相关、中度相关和高度相关时,随着相关数据比例的增加,一般线性模型、广义估计方程(等相关)和混合效应模型获得阳性结果的实际把握度呈现逐渐增大的趋势,但后2种方法均小于一般线性模型。在相关数据比例≤5%时,广义估计方程(等相关)所得把握度与预先设定的把握度水平更接近;相关数据比例>30%时,混合效应模型所得把握度更接近;而当相关数据比例为5%~30%时,哪种方法更接近预先设定的把握度水平,数据的相关程度不同,结论会有所不同。在数据相关程度为不相关、低相关、中度相关时,广义估计方程(独立)实际把握度与广义估计方程(等相关)相差不大,但当数据相关程度较高时,广义估计方程(独立)所得把握度出现先减小后增大的趋势且低于预先设定的把握度。随着相关数据比例的增加,一般线性模型分析时得到的假阳性错误率呈现逐渐增大的趋势,且高于显著性水平0.05。与一般线性模型相比,广义估计方程和混合效应模型所得假阳性错误率相对更小,且稳定在显著性水平0.05附近;其中,广义估计方程(独立)与广义估计方程(等相关)所得假阳性错误率相差不大,混合效应模型所得假阳性错误率最低。结论:在医疗器械临床试验定量指标纵向数据分析中,不宜采用传统的统计分析方法。应考虑处理纵向数据中群组或受试者内数据的相关性,采用广义估计方程、混合效应模型进行分析。当按照定量指标两独立样本设计样本量而实际数据为纵向相关数据时,建议在相关数据比例≤5%时,采用广义估计方程(等相关);相关数据比例>30%时,采用混合效应模型;当相关数据比例为5%~30%时,应结合实际数据的特点及相关程度,选择合适的分析方法分析纵向数据。确保准确地估计组间真实的疗效,客观地评价产品的效果,避免无效产品上市,为国家监管部门提供参考依据。

论文目录

  • 中英文缩略词
  • 摘要
  • ABSTRACT
  • 第一章 研究背景
  •   1.1 纵向数据及其特点
  •     1.1.1 纵向数据资料
  •     1.1.2 纵向数据特点
  •   1.2 传统分析方法的应用及局限性
  •   1.3 广义估计方程及混合效应模型
  •   1.4 国内外研究现状
  •   1.5 本文研究内容及创新之处
  • 第二章 模型介绍
  •   2.1 广义线性模型
  •     2.1.1 模型介绍
  •     2.1.2 模型参数估计
  •   2.2 广义估计方程
  •     2.2.1 模型介绍
  •     2.2.2 常见作业相关矩阵
  •     2.2.3 模型参数估计
  •   2.3 混合效应模型
  •     2.3.1 随机效应
  •     2.3.2 模型介绍
  •     2.3.3 模型参数估计
  • 第三章 研究目的与内容
  •   3.1 研究目的
  •   3.2 研究内容
  • 第四章 研究方法与技术路线
  •   4.1 模拟研究
  •     4.1.1 冠脉支架临床试验设计
  •     4.1.2 数据模拟研究原理及方法
  •     4.1.3 数据模拟一
  •     4.1.4 数据模拟二: 改变预先设定非劣效界值
  •     4.1.5 数据模拟三: 改变预先设定把握度
  •     4.1.6 数据模拟四: 改变预先设定标准差
  •   4.2 实例分析
  •     4.2.1 实例研究目的
  •     4.2.2 研究设计
  •     4.2.3 研究对象
  •     4.2.4 统计分析原则
  •     4.2.5 统计分析方法
  •     4.2.6 主要终点指标数据格式
  •   4.3 研究技术路线
  • 第五章 研究结果
  •   5.1 模拟研究
  •     5.1.1 数据模拟一
  •     5.1.2 数据模拟二: 改变预先设定非劣效界值
  •     5.1.3 数据模拟三 :改变预先设定把握度
  •     5.1.4 数据模拟四: 改变预先设定标准差
  •     5.1.5 模拟结果解释
  •     5.1.6 模型收敛性
  •   5.2 实例分析
  •     5.2.1 病例入组情况
  •     5.2.2 人口统计学和基线特征
  •     5.2.3 靶病变相关信息
  •     5.2.4 主要终点指标分析
  • 第六章 讨论
  • 第七章 存在问题和局限性
  • 第八章 结论
  • 参考文献
  • 附录
  • 个人简历
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 赵延延

    导师: 李卫

    关键词: 医疗器械,一般线性模型,广义估计方程,混合效应模型,随机模拟

    来源: 北京协和医学院

    年度: 2019

    分类: 基础科学,工程科技Ⅱ辑,医药卫生科技

    专业: 数学,仪器仪表工业,医药卫生方针政策与法律法规研究,生物医学工程

    单位: 北京协和医学院

    分类号: R197.39;O212.6

    DOI: 10.27648/d.cnki.gzxhu.2019.000497

    总页数: 115

    文件大小: 7725K

    下载量: 110

    相关论文文献

    • [1].惩罚广义估计方程在纵向数据基因关联分析中的应用[J]. 中国卫生统计 2017(04)
    • [2].高维纵向属性数据的惩罚广义估计方程分析[J]. 海南师范大学学报(自然科学版) 2016(01)
    • [3].高维纵向计数数据的惩罚广义估计方程分析[J]. 重庆理工大学学报(自然科学) 2016(06)
    • [4].两阶段Logit广义估计方程的渐近性质[J]. 重庆理工大学学报(自然科学) 2018(05)
    • [5].广义估计方程在SPSS统计软件中的实现[J]. 中国卫生统计 2011(02)
    • [6].基于广义估计方程的停车场地选择行为分析[J]. 物流科技 2019(07)
    • [7].重复测量资料的广义估计方程分析及SPSS实现[J]. 数理医药学杂志 2012(05)
    • [8].基于广义估计方程探讨长沙市开福区产妇产后体重滞留现状及其影响因素[J]. 中南大学学报(医学版) 2019(01)
    • [9].Hybrid GEE方法和QIF方法的比较[J]. 工程数学学报 2019(05)
    • [10].计数数据广义估计方程相关系数矩阵估计的相合性[J]. 数学的实践与认识 2019(02)
    • [11].广义估计方程中工作相关阵选择准则的比较(英文)[J]. 应用概率统计 2013(05)
    • [12].山东省高血压患者服药行为影响因素的广义估计方程分析[J]. 山东大学学报(医学版) 2017(12)
    • [13].高速列车过隧道耳感不适性的连续性评估方法[J]. 兰州交通大学学报 2013(06)
    • [14].广义估计方程在多元统计分析中的运用及检验效率评价[J]. 中国卫生统计 2014(01)
    • [15].纵向数据的现代分析方法及其功能、说明和注意事项(英文)[J]. 上海精神医学 2016(05)
    • [16].两阶段Logit模型的惩罚广义估计方程估计的渐近性质[J]. 广西师范大学学报(自然科学版) 2019(02)
    • [17].主要气候因素变化影响2017-2018年广州蚊密度与登革流行趋势分析[J]. 现代预防医学 2020(09)
    • [18].信号交叉口交通事故频次显著影响因素的作用[J]. 吉林大学学报(工学版) 2010(02)
    • [19].高维纵向数据广义估计方程的渐近正态性[J]. 内江师范学院学报 2018(10)
    • [20].广义估计方程与多水平模型在相关资料中的比较研究[J]. 中国卫生统计 2012(02)
    • [21].基于广义估计方程的时间相关性事故频次建模(英文)[J]. Journal of Zhejiang University-Science A(Applied Physics & Engineering) 2014(07)
    • [22].GENMOD过程和GLIMMIX过程的比较[J]. 中国卫生统计 2010(02)
    • [23].谷草转氨酶与代谢综合征的相关性研究[J]. 中国医药导报 2017(23)
    • [24].广州市部分行业男性工人代谢综合征影响因素分析[J]. 中国职业医学 2017(04)
    • [25].基于多重填补法合并广义估计方程的高血糖危险因素评估研究[J]. 中华全科医学 2018(12)
    • [26].数据统计中边际回归模型的探讨[J]. 管理观察 2018(19)
    • [27].电子执法环境下交通违法行为影响因素分析[J]. 哈尔滨工业大学学报 2013(08)
    • [28].兰州市血液透析患者乙型肝炎病毒感染的危险因素[J]. 中华疾病控制杂志 2019(06)
    • [29].纵向数据下广义估计方程估计[J]. 数学学报 2012(01)
    • [30].大学生健身意识和健身行为对体质影响的追踪研究[J]. 北京体育大学学报 2016(12)

    标签:;  ;  ;  ;  ;  

    广义线性模型在医疗器械临床试验中的应用研究
    下载Doc文档

    猜你喜欢