贝叶斯工具变量分析方法在二分类数据中的应用研究
目的：医院信息系统在信息采集过程中，没有对患者人群进行任何的限制，也难以针对某一主题采集所有的影响因素，这对医疗卫生数据的分析利用提出了挑战。通过构建贝叶斯工具变量分析模型,探索其在二分类数据中应用的可行性和适用条件. 方法：文献回顾常用的二分类数据工具变量分析方法,将其与贝叶斯理论相结合,建立贝叶斯工具变量分析模型,并采用蒙特卡罗模拟进行参数估计.利用计算机模拟数据,在多种条件下比较贝叶斯工具变量模型与传统方法估计结果的准确性和稳定性,评价不同方法的优劣. 结果：当存在遗漏混杂因素时,传统的Logistic回归估计结果偏倚较大,而采用工具变量分析则能有效的减少偏倚.针对二分类数据的工具变量分析方法中,线性预测值替代模型估计结果最稳定,偏倚最小.在强工具变量条件下,贝叶斯工具变量分析方法偏倚更小,置信区间的覆盖率更高,实际应用价值更大. 结论：贝叶斯工具变量分析模型可用于控制二分类混杂因素,且与传统方法相比,贝叶斯工具变量分析方法能够提高估计的精度.
医疗卫生数据 二分类数据 工具变量分析 贝叶斯理论 参数估计
向春 吴骋 贺佳
第二军医大学卫生勤务学系卫生统计学教研室,上海市,200433
国内会议
昆明
中文
204-207
2014-07-23（万方平台首次上网日期，不代表论文的发表时间）