對隨機效應(yīng)混合治愈模型的一些推廣.pdf

1、近年來隨著醫(yī)療水平的不斷進步，臨床試驗研究中觀察到越來越多的治愈患者(即所謂的長期幸存者)。在本文所列舉的例子中，一部分接受治療的病人不再受發(fā)病風險的影響，因而被診斷為治愈個體。為了處理試驗中可能存在的分組效應(yīng)，Yau and Ng(2001)提出了一種帶隨機效應(yīng)的混合治愈模型，用于分析含有治愈個體的分組生存數(shù)據(jù)。遵循混合模型的思路，本文將從下列三方面推廣隨機效應(yīng)治愈模型，使之能夠更為準確地解釋生存數(shù)據(jù)中可能存在的組內(nèi)相關(guān)性的影響。

2、r>　　 在之前的研究中，模型中的隨機效應(yīng)被假定為相互獨立，但是由于病人的發(fā)病風險和治愈概率之間存在某種直觀的聯(lián)系，因而，本文提出將帶有相關(guān)性的隨機效應(yīng)引入到混合治愈模型中，并將其應(yīng)用于分析觀測變量對治愈可能性和即時死亡風險率的影響。具體來說，服從二元正態(tài)分布的隨機變量被用來代表醫(yī)院影響患者治愈概率和發(fā)病風險的組效應(yīng)，其中的相關(guān)系數(shù)表示這兩部分隨機效應(yīng)的關(guān)聯(lián)性。
　　 在隨后的研究中，筆者推廣了現(xiàn)有的單層隨機效應(yīng)結(jié)構(gòu)，采用多層

3、嵌套的隨機效應(yīng)治愈模型去描述分層生存數(shù)據(jù)中各個回歸變量和患者生存函數(shù)之間的關(guān)系。具體來說，一個服從均值為0的多元正態(tài)隨機變量通過線性形式被引入到Cox比例風險函數(shù)以及帶logistic形式的治愈概率中。通過對估計程序進行適當修正，這種多層次隨機效應(yīng)治愈模型不僅可以處理普通的分層抽樣生存數(shù)據(jù)，而且可以用于分析縱向試驗數(shù)據(jù)間的相依結(jié)構(gòu)。
　　 Cox的指數(shù)風險假定被廣泛應(yīng)用于許多生存模型中，例如，之前的混合治愈模型都考慮這種指數(shù)風險

4、的形式。然而，在許多實際例子中，線性風險假定可能更為合適。在本文中，筆者用Box-Cox變換去推廣Cox的指數(shù)風險假定，以使其可以同時包含線性風險模型以及兩者之間的一些過渡形式，并且利用AIC準則找出最優(yōu)的變換參數(shù)。因此，與之前的治愈模型相比，未治愈患者的風險函數(shù)不再局限于傳統(tǒng)的指數(shù)或是線性風險假定，從而可以更合理地處理現(xiàn)實中的生存數(shù)據(jù)。
　　 采用廣義線性混合模型中處理隨機效應(yīng)的方法以及EM算法，模型中的參數(shù)估計可以通過多步驟

5、的迭代程序完成：首先計算E-step中的條件期望，然后極大化某個BLUP型的log似然函數(shù)以找出固定效應(yīng)的估計值，最后用之前求出的估計去計算方差成分的REML-型估計。筆者分析了一些具體數(shù)據(jù)來說明模型和估計方法在現(xiàn)實中的可行性，包括口咽癌數(shù)據(jù)，骨髓移植數(shù)據(jù)和嬰幼兒生存數(shù)據(jù)。除此之外，筆者還運用模擬計算去檢驗估計程序在各種模型設(shè)定下的運行效果?？傮w來說，風險函數(shù)和治愈概率這兩部分的參數(shù)估計還是比較可靠的。這一結(jié)果說明筆者所采用的計算方法在