縱向監(jiān)測非隨機缺失模式混合模型識別限制策略及其應用.pdf

1、縱向研究中，由于獲取資料所需的時間較長，可能會由于研究對象欠合作、行動不便或居住地改變等原因，不可避免地出現數據缺失。數據的缺失機制分為三種，即完全隨機缺失(MCAR)、隨機缺失(MAR)和非隨機缺失(MNAR)。非隨機缺失的資料分析，可選用的模型方法主要有選擇模型(SEM)、模式混合模型(PMM)、共參數模型(SPM)及變系數模型(VCM)等，其中模式混合模型的研究目前引起研究者們的廣泛關注。有關模式混合模型分析縱向監(jiān)測非隨機缺失資料

2、研究，在結構上存在的可識別性低的問題逐漸引起人們的研究興趣。
　　 為了解決模式混合模型可識別性低的問題，本文系統闡述了三種模型識別限制策略，即完全個案缺失值(CCMV)限制、相鄰個案缺失值(NCMV)限制、可用個案缺失值(ACMV)限制，并模擬證實不同缺失比例及樣本含量條件下，三種模型識別限制策略的參數估計。結合全國社區(qū)高血壓規(guī)范化管理實例，分別采用CCMV、NCMV及ACMV識別限制，對含有缺失的高血壓隨訪監(jiān)測數據進行多重填

3、補，采用限制極大似然估計方法（REML）實現模型參數進行估計;通過對三種模型識別限制策略分析結果的相互對比，進行敏感性分析。其主要結果如下:
　　 1、在最佳適用條件下，三種模型識別限制策略均可獲得相對穩(wěn)定準確的參數估計值。
　　 模擬研究結果表明，在缺失比例一定的條件下，隨著樣本含量的增加，三種模型識別限制策略下的參數估計值越來越接近于真值，且其標準誤越來越小;當樣本含量達到200時，參數估計值趨于穩(wěn)定。在樣本含量一定

4、的條件下，隨著缺失比例的增大，三種識別限制策略參數估計結果的標準誤越來越大。當缺失比例較?。s低于30％）時，CCMV識別限制策略參數估計結果的標準誤與其它兩種策略相比較小，其參數估計值也較接近于真值;當缺失比例較大（約大于60％）時，NCMV識別限制策略參數估計結果的標準誤與其它兩種策略相比較小，其參數估計值較接近于真值;而在其他缺失比例下，ACMV識別限制策略參數估計標準誤較小，估計相對準確。
　　 2、按缺失模式分層，采用

5、三種模型識別限制策略分析社區(qū)高血壓規(guī)范化管理實例，并對各模式結果進行整合，解釋更客觀準確。
　　 通過各缺失模式下的血壓值-時間變化趨勢可知，收縮壓較高或舒張壓較低的患者容易出現缺失。各模式結果表明，模式3、模式4下三種識別限制策略參數估計結果完全一致，而模式1、模式2下的參數估計結果則有相差。整合結果表明，三種限制策略下的參數估計結果基本一致，對收縮壓而言，按CCMV限制策略填補，病程及隨訪時間是影響高血壓患者收縮壓控制效果的

6、有意義因素，而按NCMV及ACMV限制策略填補，病程、超重及隨訪時間對社區(qū)高血壓患者收縮壓控制效果有影響;而舒張壓資料三種限制策略填補結果表明年齡及隨訪時間對社區(qū)高血壓患者舒張壓控制效果有影響。
　　 3、三種識別限制策略的綜合應用可作為高血壓隨訪監(jiān)測的敏感性分析。
　　 本研究中，CCMV、NCMV及ACMV限制策略分析結果可認為是不同敏感性參數下的結果。無論反應變量為收縮壓或舒張壓，三種識別限制策略下的模式混合模型參