纵向分析缺失数据多重填补及混合效应模型分析-longitudinal analysis of missing data multiple filling and mixed effect model analysis.docxVIP

山西医科大学硕士学位论文 山西医科大学硕士学位论文 纵向研究缺失数据多重填补及混合效应模型分析 摘 要 目的： 全国社区高血压规范化管理项目中，根据社区高血压三级管理要求，对实施一 级和二级管理的高血压患者在实施社区规范管理后，每隔三个月随访记录患者相关 信息，管理监测一年内随访四次，从而获得高血压规范化管理纵向研究资料。由于 获取该资料所需时间较长且影响因素复杂，以及研究对象欠合作、行动不便或居住 地的改变等，不可避免地会出现数据缺失。若一味地删除缺失数据，仅用完整数据 分析，不仅会损失原有资料蕴藏的部分信息，且有可能引致模型参数估计有偏，甚 至得出违背客观事实的谬误。为能充分地利用纵向监测资料中缺失数据所蕴藏的信 息，提供一个解决纵向缺失数据的新思路。 方法： 本文主要阐述 Markov Chain Monte Carlo(MCMC)多重填补与重复测量资料混 合效应模型分析的原理；将重复测量混合效应线性模型与(MCMC)多重填补这两种 方法结合起来，并结合社区高血压规范化管理实例，系统阐明纵向监测数据缺失模 型分析步骤及其 SAS 软件实现。 结果： 根据全国社区高血压规范化管理项目统一的入选标准，随机抽取社区高血压管 理项目一级、二级高血压患者资料完全数据222份，并根据222例高血压患者纵向监 测的完全数据，产生数据缺失比例为18.92%的随机缺失数据集，进行实例验证。模 拟研究和实例分析表明，样本例数222，缺失比例18.92%时：1、MCMC法多重填补 5次时所得结果最稳健；2、混合效应模型对数据中缺失信息的利用率较低，其分析 结果与完全数据分析结果略有不同；3、利用MCMC法多重填补填补5次时得到填补 后数据，利用混合效应模型对其分析，其结果与完全数据分析结果一致。 I II II 结论： （MCMC）多重填补次数模拟结果表明，样本量一定时，随着缺失比例增加， 需要增加填补次数；缺失比例一定时，随着样本量的增加，需要填补次数逐渐减少。 因此不同样本含量下不同缺失比例填补次数是不同的。混合效应模型缺失数据模拟 结果表明，样本量一定时，随着缺失比例增加，对缺失数据中观察单位的信息利用 率越差。本文通过对不同样本量下不同缺失比例的模拟研究，结合高血压患者的实 例分析，进一步证明了（MCMC）多重填补在缺失数据中的广泛应用以及单独应用 混合效应模型在缺失数据分析中的不足。MCMC多重填补可充分利用缺失资料信 息，是处理缺失数据模型分析的有效方法之一；针对出现缺失的重复测量资料，结 合应用重复测量混合效应线性模型与MCMC多重填补两种方法，从而得出更为符合客 观实际的结果。 关键词：纵向研究；缺失数据；高血压规范化管理；MCMC；重复测量 PAGE PAGE III Multiple Imputation and Mixed-effects model applied in longitudinal data with Missing data Abstract Objective: In the National Community hypertension standardized management projects, according to the requirements of the community management of hypertension level ， gather baseline information recorded every three months of follow-up, management to monitor follow-up four times during the year, after the implementation of a standardized management for the hypertensive patients with primary and secondary management，to obtain a longitudinal study of hypertension standardized management information. Due to the time required to obtain the data representing a cross-sectional study of a long and complex factors, resulting in less cooperation of the subjects, mobility or a change of residence, etc., there will be missing data inevitably.