重復測量方差分析在臨床試驗中的應用-中期報告

PAGEPAGE9畢業(yè)設計（論文）專業(yè)（方向：生物醫(yī)學工程學生信息：學號： 姓名： 班級：指導教師信息：教師號： 姓名： 職稱報告提交日期：一、課題簡介醫(yī)學統(tǒng)計學是一門運用數(shù)理統(tǒng)計和概率論的原理，結合醫(yī)學實際，針對醫(yī)學數(shù)據(jù)資料進行收集、整理、分析和推斷的學科，是醫(yī)學科研與實踐的重要工具，貫穿于以現(xiàn)代科學實驗方。醫(yī)學數(shù)據(jù)信息量往往很大，而且統(tǒng)計計算方法繁雜，尤其是比較復成為醫(yī)學數(shù)據(jù)統(tǒng)計分析的有力工具。如何使用統(tǒng)計分析軟件實現(xiàn)對研究結果的快速和科學的處理，獲得正。SPSS軟件是國際上流行的權威性統(tǒng)計分析軟件之一，其基本功能包括數(shù)據(jù)管理、統(tǒng)計分析、圖表分析、輸出管理等。SPSS統(tǒng)計分析包括描述性統(tǒng)計、均值比較、一般線性模型、相關分析、回歸分析、對數(shù)線性模型、聚類分析、數(shù)據(jù)簡化、生存分析、時間序列分析、多重響應等幾大類，每類中又分好幾個統(tǒng)計過程，而且每個過程中又允許用戶選擇不同的方法及參數(shù)。SPSS軟件有專門的繪圖系統(tǒng)，可以根據(jù)數(shù)據(jù)繪制各種圖形。SPSS軟件有很多優(yōu)點，如它操作簡便、編程方便、功能強大，有全面的數(shù)據(jù)接口、靈活的功能模塊組合，而且針對性強。料的分析都采用單因素方差分析甚至t檢驗等不妥當?shù)姆椒?，而沒有考慮到某指標在不同時間點上的關聯(lián)法進行探討，并運用SPSS軟件實現(xiàn)重復測量資料的方差分析，以期對科研工作者提供可借鑒的統(tǒng)計分析方法。二、研究方法常見方差分析有：完全隨機設計的方差分析（即單因素方差分析）、隨機區(qū)組設計的方差分析（即配伍設計或兩因素方差分析）交叉設計的方差分析、重復測量的方差分析等等。重復測量是指受試對象接受某種處理因素后，在不同時間點上，由一個受試對象（樣品）某個（些）指標變量值；或從同一受試對象的不同部位（組織）K個研究或實驗因素，其中有m個因素與重復測量有關，則稱此模型為m個重復測量的K因素設計。其中一個重]重復測量資料方差分析要滿足以下條件：布（個體內不獨立）方差齊性相互比較的各處理水平的總體方差相等，即具有方差齊同；各時間點組成的協(xié)方差陣具有球形性特征。F是真的無效假設（即增加了I型錯誤。一般ANOVAS2S2SS2S2S2S2S2S211121a1112a1S221S222S22aS221S222S22a S2 y y11 1S2S2S2S2S2S2a1a2aaa1a2aaS212y1iy1y2iy/2n1S2yyyy/n1yyyy121i12i22i1i2iS2ijSijS2S2iijjij球形對稱的實際意義為所有兩兩時間點變量間差值對應的方差相等。對于yi與yj兩時間點變量間差值對應的方差可采用協(xié)方差矩陣計算為：S2 S2 S2

2S2yy y y yyi j i j ijS2yy21

S2 S2y2

2S2y1y2MauchlyH0檢驗的Pα時，說明協(xié)方差陣的球形性質得到滿足。首先對重復測量數(shù)據(jù)在在個時間點之間的關系是否滿足Huynh-Feldt果為P﹥0.05Huynh-FeldtP≤0.05Huynh-FeldtGreenhouse-GeissrG-G）法的球對稱系數(shù)進行校正。球形條件不滿足時常有兩種方法可供選擇：采用MANOVA（多變量方差分析方法）對重復測量ANOVA檢驗結果中與時間有關的F（調小）通過球形檢驗的結果判斷重復測量數(shù)據(jù)之間是否存在相關性。如果該檢之間實際上不存在相關性，數(shù)據(jù)符合條件，可按單因素方差分析方法來處理；如果后者多見，應使用重復測量的方差分析模型。單因素重復測量資料的方差分析總思想：將總變異分解為個體間（betweensubjecs變異與個體內（withinsubjt（betweensubjets變異與對象內withinsubjc變異，其中個體內變異是與重復因素有關的變量。一般采用正交多項式（polynomia）分析某處理因素的均數(shù)隨時間的變化情況。趨勢分析有幾點需要在任何階次上差異都不具有統(tǒng)計學意義，說明這兩條曲線的變化趨勢是一致的。三、階段性成果（仿真實驗與結果）資料和方法入綜合征患兒血管內皮生長因子及血小板源性生長因子的影響”中的部分數(shù)據(jù)（表1。新生兒胎糞吸入綜合征）是胎兒在子宮內或生產時吸入混有胎糞的羊水，導致呼吸道和肺泡機械性阻塞、肺泡表面活性物質的失活和肺組織的化學性炎癥，出生后出現(xiàn)以呼吸窘迫為主，同時伴有其他。國內報道活產兒中發(fā)生胎糞吸入綜合征的約1.2%~2.2%7%~15.2%，國外流行病學調查資料報道MAS的病死率大約為3%~12%[5,6。MAS患兒內源性肺表面活性物質(pulmonarysurfacaS(vasculaendothelirowthfactrVEGF)VEGF的過度表達，可使毛細血管通透性增強，血漿滲出，表現(xiàn)為肺水腫加重，氧合下降，循環(huán)血量減少。而本實驗旨在觀察胎糞吸入綜合征患兒血清中VEGF的表達，并探討給予外源性肺表面活性物質治療后對其表達水平的影響，從而為重癥胎糞吸入綜合征應用PS200822010142名。將MAS患兒按隨機數(shù)字法分為肺表面活性物質治療組組）（對照組，每組各21PSSIMV模式輔助呼PS組患兒給予PS牛肺表面活性劑）治療。采集PS組及對照組患兒1.031.7720.0940.5961.3141.5160.9871.030.8360.7460.55110.9831.1640.5941.050.8841.7031.5481.231.1351.4221.1231.3451.0981.2351.3361.3671.2431.2141.2341.31.031.7720.0940.5961.3141.5160.9871.030.8360.7460.55110.9831.1640.5941.050.8841.7031.5481.231.1351.4221.1231.3451.0981.2351.3361.3671.2431.2141.23561.2981.1340.9761.7031.5481.231.4351.4221.8231.3451.4121.4351.3361.3671.3431.3541.3341.40小時治療 24小前72

表1血清中VEGF的原始數(shù)據(jù)(ng/l)1.2711.3561.2981.3341.4230

0.881.031.2261.5580.8541.030.7781.030.8560.780.8681.030.641.030.821.2720.8621.050.884治 1.2031.0681.231.3351.3221.1230.9210.9871.2351.2361.4321.1431.2140.9341.2療 24小后

1.210.9561.2981.1340.97672小時1.2031.3681.4231.3351.3221.1231.4631.3871.2351.2361.4321.1431.2141.33561.2981.1340.976分析步驟及結果。建立的數(shù)據(jù)文件模式如圖1。本文要建立四個變量：group group=1表示治療前 group=2表示治療后；time1表示0小time2表示24小時 time3表示72小時表2重復測量的數(shù)據(jù)結構治療前group） 治療后group）編號0小時24小時72小時0小時24小時72小時11.031.7031.7030.881.2031.20321.7721.5481.5481.031.0681.36831.09261.231.423．．．．．．．190.5941.2981.2980.8621.2981.298201.051.1341.3341.051.1341.134210.8840.9761.4230.8840.9760.976

圖1治療前后的測量數(shù)據(jù)主效應與交互效應分析SPSS調用RepeatedMeasursAnalyze→GeneralLinearModlRepeatedMeasures定義RepeatedMeasuresDefineFactrs在Within-subjectfactorae刪除原有的Factor，輸入組內因素tim（定義重復測量的變量名為tim，在Numberoflevs中輸入組內因素time的水平數(shù)，單擊Add按鈕，在矩形框中顯示tim（3，點擊Define按鈕。定義RepeatedMeasure主對話框：單擊Define按鈕，顯示RepeatedMeasures主對話框，在左面矩形框中選擇、、Within-subjeariablstim）框中第一欄變?yōu)閠ime（1，第二欄變?yōu)閠ime（2三欄變?yōu)閠ime（3，點擊group進入Between-SubjectsFat。定義點擊Option按鈕，點擊time進入DisplayMeansfr話框中，選中CompareMaineffet選擇LSD作時間因素主效應不同水平間的多重比較。選中復選框中的Descriptivstatisis出描述統(tǒng)計量。點擊Continue按鈕。點擊Model按鈕，選中Custom（自定義模型，選time進入Within-subjeodel（分析3次重復測量間有無隨時間變化的趨勢，選group進入BetweensubjecModel（只分析主效應。點擊按鈕。繪制交互效應輪廓圖：單擊Plot按鈕，選time進入HorizontalAi選group進入SeparateLie單擊AddPlot對話框中顯示time*grou。點擊Continu按鈕。點擊OK按鈕。2.2.2主要輸出結果治療前和治療后Mean治療前和治療后MeanStd.DeviationN0小時2472治療前.97167.35672021治療后.97924.20085721Total.97545.28595042治療前1.28495.16373321治療后1.15876.14153721Total1.22186.16409642治療前1.41171.13744121治療后1.25567.13868121Total1.33369.15758342通過球形檢驗的結果判斷重復測量數(shù)據(jù)之間是否存在相關性球形檢驗結果P﹤0.01，說明6次重復測量的數(shù)據(jù)間存在高度的相關性，宜用多元方差分析進行檢驗或按表右側給出的3種校正方法對一元方差分析進行校正（校正系數(shù)為Epsilo。本文使用Greenhouse-Geissr校正結果。主要結果見表。WithinSubjectsEffectWithinSubjectsEffectMauchly'sWApprox.Chi-SquaredfSig.Epsilon(a)time.69014.4892Greenhous Huynh-Felde-Geisser t Lower-bound.001 .763 .807 .500分析時間、分組因素的作用及時間和分組之間的交互效應重復測量資料的單變量方差分析較一般類型實驗設計資料的方差分析要復雜一些，由于由個體形成的區(qū)組因素與處理因素之間存在包含關系，需要從其中分解出反映個體間變異的部分作為度量處理因素效應大小的誤差項，而度量“時間因素”和“處理與時間之間的交互作用”效應的大小時，需要用個體內within-subjc勢；但時間和分組的交互作用（time*grou）沒有統(tǒng)計學意義（P﹥0.0，說明時間因素的作用不隨分組的5。個體間變異部分的計算結果顯示，group的P值小于0.05，說明分組因素起作用，各組測量數(shù)據(jù)總體而言不同。見表6。不同測定時間點的多重比較結果顯示，不同時間點的測量指標隨時間變化趨勢基本相同P0.0見表。表5時間因素主效應和時間因素與分組因素交互效應方差分析結果SourceTypeIIISumofSquaresdfMeanSquareFSig.timeSphericityAssumed2.82221.41142.720.000Greenhouse-Geisser2.8221.5261.84942.720.000Huynh-Feldt2.8221.6141.74842.720.000Lower-bound2.8221.0002.82242.720.000time*groupSphericityAssumed.1592.0802.414.096Greenhouse-Geisser.1591.526.1042.414.111Huynh-Feldt.1591.614.0992.414.108Lower-bound.1591.000.1592.414.128Error(time)SphericityAssumed2.64280.033Greenhouse-Geisser2.64261.054.043Huynh-Feldt2.64264.571.041Lower-bound2.64240.000.066表6分組因素主效應方差分析結果SourceTypeIIISumofSquaresdfMeanSquareFSig.Intercept174.5511174.5512898.326.000group.2641.2644.384.043Error2.40940.060(I)time(J)(I)time(J)timeMeanDifference(I-J)Std.ErrorSig.(a)95%ConfidenceIntervalforDifference(a)LowerBoundUpperBound12-.246(*).047.000-.342-.1513-.358(*).042.000-.442-.27421.246(*).047.000.151.3423-.112(*).027.000-.167-.05731.358(*).042.000.274.4422.112(*).027.000.057.167治療前治療后123時間（h）借助于Plot3治療前治療后123時間（h）