本文關(guān)鍵詞：貝葉斯模型在老年人健康管理效果評(píng)價(jià)中的應(yīng)用

  更多相關(guān)文章： 貝葉斯統(tǒng)計(jì) 先驗(yàn)信息 貝葉斯混合效應(yīng)模型 敏感性分析 健康管理 R2OpenBUGS

【摘要】：目的貝葉斯統(tǒng)計(jì)學(xué)已受到越來越多研究者的認(rèn)可和關(guān)注,但是國內(nèi)關(guān)于貝葉斯統(tǒng)計(jì)的研究仍比較薄弱,本研究的目的在于對(duì)貝葉斯無信息先驗(yàn)、樂觀先驗(yàn)、悲觀先驗(yàn)、專家先驗(yàn)獲取方法、貝葉斯混合效應(yīng)模型及敏感性分析原理進(jìn)行探討,以南京市某社區(qū)老年人健康管理干預(yù)自評(píng)體系情緒性格維度數(shù)據(jù)為例進(jìn)行實(shí)證分析,系統(tǒng)闡述健康管理效果評(píng)價(jià)指標(biāo)專家信息的獲取、貝葉斯混合效應(yīng)模型構(gòu)建,比較無信息先驗(yàn)分布貝葉斯統(tǒng)計(jì)分析結(jié)果與經(jīng)典統(tǒng)計(jì)分析結(jié)果,并通過先驗(yàn)分布的敏感性分析獲得更全面的推斷結(jié)論,本研究也旨在為貝葉斯先驗(yàn)分布獲取及貝葉斯混合效應(yīng)模型構(gòu)建提供借鑒。方法通過檢索國內(nèi)外貝葉斯相關(guān)文獻(xiàn),為貝葉斯統(tǒng)計(jì)、先驗(yàn)分布及貝葉斯混合效應(yīng)模型介紹打下基礎(chǔ)。采用實(shí)證研究法對(duì)貝葉斯先驗(yàn)獲取、貝葉斯混合效應(yīng)模型在老年人健康管理效果評(píng)價(jià)中應(yīng)用進(jìn)行實(shí)證分析。利用健康管理自評(píng)體系的情緒性格維度數(shù)據(jù),采用無先驗(yàn)信息、百分位數(shù)法專家先驗(yàn)信息、眾數(shù)百分位數(shù)法專家先驗(yàn)信息、定分度法專家先信息驗(yàn)構(gòu)建方差分析模型,并與經(jīng)典方差分析結(jié)果比較；由于貝葉斯復(fù)雜模型參數(shù)的專家先驗(yàn)信息獲取很困難,本研究的貝葉斯混合效應(yīng)模型構(gòu)建主要利用無信息先驗(yàn),對(duì)模型的先驗(yàn)分布進(jìn)行了敏感性分析,此外,對(duì)貝葉斯混合效應(yīng)模型結(jié)果與經(jīng)典多水平模型結(jié)果進(jìn)行了比較。本研究通過SAS MIXED過程,采用限制性最大似然法,建立多水平模型。采用RStudio0.98軟件的R20penBUGS包調(diào)用OpenBUGS 3.22軟件進(jìn)行貝葉斯模型的構(gòu)建、編譯和迭代,后驗(yàn)估計(jì)結(jié)果包括后驗(yàn)參數(shù)估計(jì)、蹤跡圖、函數(shù)密度圖均在RStudio軟件中呈現(xiàn),采用RStudio軟件調(diào)用OpenBUGS軟件有效解決了OpenBUGS軟件數(shù)據(jù)格式復(fù)雜性的問題。結(jié)果使用無信息先驗(yàn)進(jìn)行研究對(duì)象人口學(xué)特征異質(zhì)性檢驗(yàn),結(jié)果表明管理組與對(duì)照組人口學(xué)特征不存在異質(zhì)性,并與經(jīng)典統(tǒng)計(jì)方法分析結(jié)果一致；利用無信息先驗(yàn)進(jìn)行管理組與對(duì)照組情緒性格維度基線情況比較,發(fā)現(xiàn)管理組與對(duì)照組的情緒性格維度存在不均衡性,對(duì)照組基線得分均高于管理組,結(jié)果與經(jīng)典統(tǒng)計(jì)分析結(jié)果一致(F=10.014,P=0.002)；采用不同先驗(yàn)分布的貝葉斯方差分析模型比較管理組和對(duì)照組情緒性格維度的6個(gè)月與基線得分差值情況,無信息先驗(yàn)分布和三種專家先驗(yàn)分布下的后驗(yàn)估計(jì)結(jié)果均表明管理組與對(duì)照組的情緒性格維度6個(gè)月與基線得分差值不存在統(tǒng)計(jì)學(xué)差異(差值95%的可信區(qū)間(Credible interval)均包括0),經(jīng)典統(tǒng)計(jì)學(xué)方法也表明無統(tǒng)計(jì)學(xué)差異(F=0.057,P=0.881)；采用不同先驗(yàn)分布的貝葉斯方差分析模型比較管理組和對(duì)照組五個(gè)維度的24個(gè)月與基線得分差值情況,無信息先驗(yàn)分布和不同獲取方法的專家先驗(yàn)分布下的后驗(yàn)估計(jì)結(jié)果均表明管理組與對(duì)照組的軀體機(jī)能維度與情緒性格維度的24個(gè)月與基線得分差值均存在統(tǒng)計(jì)學(xué)差異(差值95%CI均不包括0),管理組優(yōu)于對(duì)照組,經(jīng)典統(tǒng)計(jì)分析結(jié)果與其一致(F=8.427,P=0.004)。利用基線、6、18和24個(gè)月的情緒性格維度數(shù)據(jù)建立傳統(tǒng)多水平模型,固定效應(yīng)部分結(jié)果顯示,時(shí)間效應(yīng)、時(shí)間與分組變量交互效應(yīng)均存在統(tǒng)計(jì)學(xué)意義(P0.05),系數(shù)估計(jì)值分別為-0.0085和0.0160,水平1殘差估計(jì)值為0.605,隨機(jī)效應(yīng)部分結(jié)果表明隨機(jī)截距方差有統(tǒng)計(jì)學(xué)意義,時(shí)間變量隨機(jī)斜率的方差不存在統(tǒng)計(jì)學(xué)意義。貝葉斯混合效應(yīng)模型固定效應(yīng)部分時(shí)間變量系數(shù)具有統(tǒng)計(jì)學(xué)意義,估計(jì)值為-0.0085,95%CI(-0.0165,-0.0008),時(shí)間與分組變量交互項(xiàng)系數(shù)估計(jì)值為0.0160,95%CI(0.0063,0.0257),說明二者交互項(xiàng)具有統(tǒng)計(jì)學(xué)意義,隨機(jī)截距方差估計(jì)值為0.0329,95%CI(0.0017,0.1238),時(shí)間變量隨機(jī)斜率的方差估計(jì)值為0.0004,95%CI(0.0001,0.0007),與傳統(tǒng)分析結(jié)果相比,貝葉斯方法水平1殘差(0.5946)有所減少。敏感性分析結(jié)果表明,無信息先驗(yàn)、不同獲取方法的專家先驗(yàn)、悲觀先驗(yàn)、樂觀先驗(yàn)下的情緒性格維度方差分析模型的參數(shù)后驗(yàn)估計(jì)值與其95%CI均比較相近,推斷結(jié)論未發(fā)生具有統(tǒng)計(jì)學(xué)意義的改變；無信息先驗(yàn)、悲觀先驗(yàn)、樂觀先驗(yàn)下的情緒性格維度貝葉斯混合效應(yīng)模型固定效應(yīng)參數(shù)的估計(jì)值變化小,三種先驗(yàn)下的隨機(jī)效應(yīng)方差參數(shù)變化相對(duì)較大,但是統(tǒng)計(jì)結(jié)論仍保持一致。此外,貝葉斯殘差分析結(jié)果表明模型與數(shù)據(jù)擬合的較好。結(jié)論經(jīng)典統(tǒng)計(jì)方法與無先驗(yàn)信息分布下的貝葉斯統(tǒng)計(jì)方法在本次研究中所得到的結(jié)果相似,本研究利用百分位數(shù)法、眾數(shù)百分位數(shù)法和定分度法同時(shí)獲取專家先驗(yàn)信息,采用簡單易行的算術(shù)平均法合并多位專家意見,獲得的先驗(yàn)分布參數(shù)不同,對(duì)后驗(yàn)分布估計(jì)的影響也不同,但是本研究中統(tǒng)計(jì)推斷結(jié)論保持一致。本文通過構(gòu)造悲觀先驗(yàn)與樂觀先驗(yàn)信息進(jìn)行敏感性分析,結(jié)果表明簡單的統(tǒng)計(jì)模型對(duì)參數(shù)的先驗(yàn)分布敏感性低于復(fù)雜的統(tǒng)計(jì)模型。經(jīng)典多水平模型分析結(jié)果與無信息先驗(yàn)下的貝葉斯混合效應(yīng)模型分析結(jié)果基本一致,但是貝葉斯混合效應(yīng)模型利用參數(shù)的先驗(yàn)信息,減少了水平1的殘差,表明貝葉斯混合效應(yīng)模型可獲取更多的效應(yīng)變異信息,更適合解決數(shù)據(jù)層次結(jié)構(gòu)問題。本研究的創(chuàng)新點(diǎn)在于同時(shí)采用三種方法獲取健康管理效果評(píng)價(jià)相關(guān)參數(shù)專家先驗(yàn)信息,并將其應(yīng)用到貝葉斯模型中,探討了悲觀先驗(yàn)和樂觀先驗(yàn)信息的構(gòu)造方法,但在專家先驗(yàn)信息獲取的規(guī)范性方面有待完善,復(fù)雜的專家意見信息合并方法也尚有待進(jìn)一步研究。
【關(guān)鍵詞】：貝葉斯統(tǒng)計(jì) 先驗(yàn)信息 貝葉斯混合效應(yīng)模型 敏感性分析 健康管理 R2OpenBUGS
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：R592
【目錄】：

• 摘要5-8
• Abstract8-13
• 第一章 前言13-16
• 1.1 研究背景13-15
• 1.2 研究意義15-16
• 第二章 本研究的方法學(xué)基礎(chǔ)16-21
• 2.1 貝葉斯定理16-17
• 2.2 貝葉斯先驗(yàn)分布17-19
• 2.2.1 無信息先驗(yàn)17-18
• 2.2.2 專家先驗(yàn)信息18-19
• 2.2.3 悲觀先驗(yàn)與樂觀先驗(yàn)19
• 2.3 先驗(yàn)分布的敏感性分析19-21
• 第三章 研究方法及實(shí)例應(yīng)用21-36
• 3.1 研究方法21-26
• 3.1.1 專家的選擇及專家先驗(yàn)獲取過程21
• 3.1.2 專家先驗(yàn)的獲取方法21-24
• 3.1.3 統(tǒng)計(jì)分析模型24-26
• 3.2 實(shí)例應(yīng)用26-36
• 3.2.1 資料來源26-27
• 3.2.2 質(zhì)量控制27
• 3.2.3 專家咨詢會(huì)27-28
• 3.2.4 統(tǒng)計(jì)方法28-36
• 第四章 研究結(jié)果36-52
• 4.1 研究對(duì)象的人口特征學(xué)36-38
• 4.2 情緒性格維度分析結(jié)果38-44
• 4.2.1 管理組與對(duì)照組的情緒性格基線情況分析38
• 4.2.2 管理組與對(duì)照組的情緒性格0-6個(gè)月差值情況分析38-40
• 4.2.3 管理組與對(duì)照組的情緒性格0-24個(gè)月差值情況分析40-42
• 4.2.4 多水平統(tǒng)計(jì)模型結(jié)果42-43
• 4.2.5 貝葉斯混合效應(yīng)模型結(jié)果43-44
• 4.3 敏感性分析44-50
• 4.3.1 情緒性格0-24個(gè)月差值敏感性分析44-47
• 4.3.2 情緒性格維度貝葉斯混合效應(yīng)模型敏感性分析47-50
• 4.4 貝葉斯殘差分析50-52
• 第五章 討論52-57
• 5.1 先驗(yàn)信息的利用52
• 5.2 專家先驗(yàn)分布獲取52-53
• 5.3 貝葉斯混合效應(yīng)模型53-54
• 5.4 敏感性分析54-55
• 5.5 優(yōu)點(diǎn)和創(chuàng)新55
• 5.6 局限性55-57
• 參考文獻(xiàn)57-61
• 綜述61-69
• 參考文獻(xiàn)67-69
• 附錄一69-70
• 附錄二70-73
• 附錄三73-79
• 作者簡介79
• 碩士在讀期間發(fā)表論文情況79-80
• 致謝80

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 金輝;劉沛;;醫(yī)學(xué)中的貝葉斯統(tǒng)計(jì)應(yīng)用及其研究進(jìn)展[J];中國衛(wèi)生統(tǒng)計(jì);2009年05期

2 謝俊;;貝葉斯統(tǒng)計(jì)方法與傳統(tǒng)統(tǒng)計(jì)方法的比較分析與展望[J];中國商界(下半月);2009年04期

3 劉桂芬,孟海英,張巖波;Bayes線性混合效應(yīng)模型多中心臨床試驗(yàn)應(yīng)用[J];中國衛(wèi)生統(tǒng)計(jì);2005年04期

4 劉樂平,袁衛(wèi);現(xiàn)代貝葉斯分析與現(xiàn)代統(tǒng)計(jì)推斷[J];經(jīng)濟(jì)理論與經(jīng)濟(jì)管理;2004年06期

，

本文編號(hào)：955199