TEL:04-22078539 本中心網址:http://www2.cmu.edu.tw/~biostat/

 

11月份活動回顧
12月份學術演講快報
活動訊息
諮詢師及種子教師訓練第三、四次訓練課程
生物統計中心諮詢師及種子教師訓練課程表
生物統計教室

如何利用SAS程式執行「配對(matching)
累加性或乘積性的交互作用
INTERACTION

 

11月份活動回顧

TOP


12月份學術演講快報

TOP


活動訊息

諮詢師及種子教師訓練第三、四次訓練課程

活動時間:
951110日下午930 ~1030分、1124日上午930 ~1030

活動地點立夫教學大樓15樓環醫所電腦教室

活動概述:講解生統諮詢實例,提問與討論

諮詢師及種子教師訊練第三次課程時間:951110
由林保萱說明生統分析實例,提問與討論

<訓練內容概述>

1.      相依性資料分析之介紹

2.      針對不同的相依結構給予一個綜合性指標

3.      配對t檢定, Willcoxon signed-rank test

4.      Generalized estimating equation

諮詢師及種子教師訊練第四次課程時間:951124
由梁文敏老師說明生統分析實例,提問與討論

 

<訓練內容概述>

分析經驗的分享:如何找到最佳模式?

1.    經由交互作用的調整

2.    由相關分析找出共線性的影響

3.    三種逐步迴歸分析方法的比較

4.    找出最佳模式

 

生物統計中心諮詢師及種子教師訓練課程表

日期(預定)

時間

課程

主持人

2006/11/24

9:30~10:30

第四次課程

梁文敏

2006/12/08

9:30~10:30

第五次課程

梁文敏

2006/12/22

10:10~11:10

第六次課程

李采娟

2007/01/05

9:30~10:30

第七次課程

吳宏達

2007/01/19

9:30~10:30

第八次課程

林保萱

2007/02/02

9:30~10:30

第九次課程

吳宏達

2007/02/16

9:30~10:30

第十次課程

吳宏達

 

TOP


生物統計教室

如何利用SAS程式執行「配對(matching)(download)

  目前生統中心提供SAS程式來協助校內或醫院研究團隊處理個案與對照組配對的辛苦過程。配對研究在流行病學上為一常見的研究方法,常見的個案和對照組人數比為1112等等,如果沒有利用SAS程式來處理「配對」的過程,那此過程將會是相當繁瑣,而且可能出錯。

  使用SAS程式的好處,除了減少人工的時間外,甚至可以重複執行配對的過程數十或數百次,找出最多成功配對數的結果。

  如果想要自學者,可參考一下網頁「台灣篩檢學會」,其中的「利用SAS 進行個案對照研究配對抽樣

 

累加性或乘積性的交互作用 INTERACTION(download)

作者:李郁芬 助理教授

  交互作用一般含義是指兩個或多個因素相互依賴發生作用而產生的一種效應。若交互作用存在時,當兩個或兩個以上的因數共同作用於某一事件時,其效應大於或小於兩因數或多因數單獨作用的效應。

  統計學交互作用與效應修正(EFFECT MODIFICATION)的概念是一致的:指某種效應的大小依據某些第三因數的。此第三因數稱為效應修飾因子(EFFECT MODIFER)。是不需控制的偏倚(BIAS),必須加以描述與報告。

  以考慮兩個二元的危險因子來說,若θi j代表當兩危險因子分別是ij時發生疾病的機率(i, j = 0, 1),在此以(0, 0)當作基準組(baseline)

 I. 累加性的 (additive)

θ10 = θ00 + αA, θ01 = θ00 + βA, θ11 = θ00 + αA + βA

 II. 乘積性的 (multiplicative)

θ10 = θ00λM, θ01 = θ00ψM, θ11 = θ00λMψM

模式 I II 分別代表沒有累加性的交互作用(HA0: the effects are additive, i.e. no evidence of additive interaction between the two risk factors)以及沒有乘積性的的交互作用(HM0: no multiplicative interaction,)。一般有興趣知道的是如何區別HA0HM0

 BERRINGTON DE GONZ ´ALEZ AND D. R. COX (2005) 介紹對於世代研究(COHORT STUDIES)與病例對照研究(CASE-CONTROL STUDIES) 如何對HA0HM0進行假說檢定。

 A.     世代研究

若世代中兩的危險因子分別是ij時,總人數是ni j而發生疾病的人數是ri j,則發生疾病的風險估計值是= ri j /ni j (i, j = 0, 1),此風險估計值的變異數(variance)在罕見疾病時可以得到var() = ρi j /n i j var(log) = 1/(ni jρi j )

1.          累加性的交互作用假說檢定(HA0 : no additive interaction)

2.          乘積性的交互作用假說檢定(HM0 : multiplicative interaction)

B.     病例對照研究

在病例對照研究中考慮一個二元暴露,若病例對照與暴露的組合人數以mrs表示; r = 0 (control), r = 1 (case); s = 0 (exposure -), s = 1 (exposure +);則相對風險(relative risk)的對數值為= log{(m11m00)/(m01m10)},而變異數為var()=Σ1/mrs

 若現在考慮二個二元暴露因子,以mrij表示兩個暴露因子分別是ij時的人數

定義= 2/(1/m0i j + 1/m1i j )以及= log(m1i j /m0i j ), var() = 2/

 

1.          累加性的交互作用假說檢定(HA0 : no additive interaction)

在累加性無交互作用下,我們計算檢定統計值(test statistic):除以他們的標準誤差:

2.          乘積性的交互作用假說檢定(HM0 : no multiplicative interaction)

其中相對於基準組(0, 0)的暴露因子組合為 (i, j ) 時之相對風險估計值。

  以上所有檢定統計值(test statistics)在虛無假說下符合常態分佈,所以我們可以得到p-value以決定是否拒絕虛無假說HA0HM0。下次我們將討論檢定交互作用時樣本數的問題。

  

參考文獻

BERRINGTON DE GONZ ´ALEZ AND D. R. COX. Additive and multiplicative models for the joint effect of two risk factors. Biostatistics (2005), 6, 1, pp. 1–9

 

TOP

本刊由中國醫藥大學 生物統計中心發行  網頁維護:林立偉