貝葉斯模型在老年人健康管理效果評價中的應用.pdf

1、目的：
　　貝葉斯統(tǒng)計學已受到越來越多研究者的認可和關注，但是國內關于貝葉斯統(tǒng)計的研究仍比較薄弱，本研究的目的在于對貝葉斯無信息先驗、樂觀先驗、悲觀先驗、專家先驗獲取方法、貝葉斯混合效應模型及敏感性分析原理進行探討，以南京市某社區(qū)老年人健康管理干預自評體系情緒性格維度數(shù)據(jù)為例進行實證分析，系統(tǒng)闡述健康管理效果評價指標專家信息的獲取、貝葉斯混合效應模型構建，比較無信息先驗分布貝葉斯統(tǒng)計分析結果與經典統(tǒng)計分析結果，并通過先驗分布的敏感

2、性分析獲得更全面的推斷結論，本研究也旨在為貝葉斯先驗分布獲取及貝葉斯混合效應模型構建提供借鑒。
　　方法：
　　通過檢索國內外貝葉斯相關文獻，為貝葉斯統(tǒng)計、先驗分布及貝葉斯混合效應模型介紹打下基礎。采用實證研究法對貝葉斯先驗獲取、貝葉斯混合效應模型在老年人健康管理效果評價中應用進行實證分析。利用健康管理自評體系的情緒性格維度數(shù)據(jù)，采用無先驗信息、百分位數(shù)法專家先驗信息、眾數(shù)百分位數(shù)法專家先驗信息、定分度法專家先信息驗構建方差

3、分析模型，并與經典方差分析結果比較;由于貝葉斯復雜模型參數(shù)的專家先驗信息獲取很困難，本研究的貝葉斯混合效應模型構建主要利用無信息先驗，對模型的先驗分布進行了敏感性分析，此外，對貝葉斯混合效應模型結果與經典多水平模型結果進行了比較。本研究通過SAS MIXED過程，采用限制性最大似然法，建立多水平模型。采用RStudio0.98軟件的R2OpenBUGS包調用OpenBUGS3.22軟件進行貝葉斯模型的構建、編譯和迭代，后驗估計結果包括后

4、驗參數(shù)估計、蹤跡圖、函數(shù)密度圖均在RStudio軟件中呈現(xiàn)，采用RStudio軟件調用OpenBUGS軟件有效解決了OpenBUGS軟件數(shù)據(jù)格式復雜性的問題。
　　結果：
　　使用無信息先驗進行研究對象人口學特征異質性檢驗，結果表明管理組與對照組人口學特征不存在異質性，并與經典統(tǒng)計方法分析結果一致;利用無信息先驗進行管理組與對照組情緒性格維度基線情況比較，發(fā)現(xiàn)管理組與對照組的情緒性格維度存在不均衡性，對照組基線得分均高于管理

5、組，結果與經典統(tǒng)計分析結果一致(F=10.014,P=0.002);采用不同先驗分布的貝葉斯方差分析模型比較管理組和對照組情緒性格維度的6個月與基線得分差值情況，無信息先驗分布和三種專家先驗分布下的后驗估計結果均表明管理組與對照組的情緒性格維度6個月與基線得分差值不存在統(tǒng)計學差異(差值95％的可信區(qū)間(Credible interval)均包括0），經典統(tǒng)計學方法也表明無統(tǒng)計學差異(F=0.057,P=0.881);采用不同先驗分布的貝

6、葉斯方差分析模型比較管理組和對照組五個維度的24個月與基線得分差值情況，無信息先驗分布和不同獲取方法的專家先驗分布下的后驗估計結果均表明管理組與對照組的軀體機能維度與情緒性格維度的24個月與基線得分差值均存在統(tǒng)計學差異（差值95％CI均不包括0），管理組優(yōu)于對照組，經典統(tǒng)計分析結果與其一致(F=8.427，P=0.004)。
　　利用基線、6、18和24個月的情緒性格維度數(shù)據(jù)建立傳統(tǒng)多水平模型，固定效應部分結果顯示，時間效應、時間

7、與分組變量交互效應均存在統(tǒng)計學意義(P＜0.05），系數(shù)估計值分別為-0.0085和0.0160，水平1殘差估計值為0.605，隨機效應部分結果表明隨機截距方差有統(tǒng)計學意義，時間變量隨機斜率的方差不存在統(tǒng)計學意義。貝葉斯混合效應模型固定效應部分時間變量系數(shù)具有統(tǒng)計學意義，估計值為-0.0085，95％CI(-0.0165，-0.0008)，時間與分組變量交互項系數(shù)估計值為0.0160，95％CI(0.0063，0.0257)，說明二者交

8、互項具有統(tǒng)計學意義，隨機截距方差估計值為0.0329，95％CI(0.0017，0.1238)，時間變量隨機斜率的方差估計值為0.0004，95％CI(0.0001，0.0007)，與傳統(tǒng)分析結果相比，貝葉斯方法水平1殘差(0.5946)有所減少。
　　敏感性分析結果表明，無信息先驗、不同獲取方法的專家先驗、悲觀先驗、樂觀先驗下的情緒性格維度方差分析模型的參數(shù)后驗估計值與其95％CI均比較相近，推斷結論未發(fā)生具有統(tǒng)計學意義的改變;

9、無信息先驗、悲觀先驗、樂觀先驗下的情緒性格維度貝葉斯混合效應模型固定效應參數(shù)的估計值變化小，三種先驗下的隨機效應方差參數(shù)變化相對較大，但是統(tǒng)計結論仍保持一致。此外，貝葉斯殘差分析結果表明模型與數(shù)據(jù)擬合的較好。
　　結論：
　　經典統(tǒng)計方法與無先驗信息分布下的貝葉斯統(tǒng)計方法在本次研究中所得到的結果相似，本研究利用百分位數(shù)法、眾數(shù)百分位數(shù)法和定分度法同時獲取專家先驗信息，采用簡單易行的算術平均法合并多位專家意見，獲得的先驗分布參

10、數(shù)不同，對后驗分布估計的影響也不同，但是本研究中統(tǒng)計推斷結論保持一致。本文通過構造悲觀先驗與樂觀先驗信息進行敏感性分析，結果表明簡單的統(tǒng)計模型對參數(shù)的先驗分布敏感性低于復雜的統(tǒng)計模型。經典多水平模型分析結果與無信息先驗下的貝葉斯混合效應模型分析結果基本一致，但是貝葉斯混合效應模型利用參數(shù)的先驗信息，減少了水平1的殘差，表明貝葉斯混合效應模型可獲取更多的效應變異信息，更適合解決數(shù)據(jù)層次結構問題。本研究的創(chuàng)新點在于同時采用三種方法獲取健康管