×
钱靖;塞耶德梅赫迪·巴亚布瓦什;安德烈·凯姆林;迈克尔·H·列夫。;李·施瓦姆（Lee H.Schwamm）。;丽贝卡·贝滕斯基。

使用嵌套、匹配病例对照研究进行变量选择和预测：应用于中风患者的医院获得性肺炎。 （英语） Zbl 1419.62425号

生物计量学 70，第1期，153-163（2014）.
摘要：为了提高效率，流行病学研究中通常使用匹配的病例对照设计。这些设计最近被引入现代成像和基因组研究的背景中，以高维协变量为特征。然而，针对匹配进行调整的适当统计分析尚未被广泛采用。马萨诸塞州总医院（MGH）对430名急性缺血性卒中患者进行了配对病例对照研究，以确定这些患者中与医院获得性肺炎（HAP）相关的急性脑梗死的特定脑区。有138个大脑区域测量了梗死，这些区域引入了近10000个双向相互作用，这对统计分析提出了挑战。我们研究了这个变量选择问题的惩罚条件和无条件逻辑回归方法，这些方法正确区分了主要效应和相互作用的选择，并承认了匹配。这项神经影像学研究包含在MGH对1915名中风患者进行的一项更大的HAP前瞻性研究中，该研究记录了临床变量，但不包括神经影像学。我们展示了更大的研究以及嵌套匹配研究如何使我们能够根据影像学和临床特征得出预测未来中风患者HAP的分数。我们在模拟研究中评估了提出的方法，并将其应用于MGH HAP研究。

MSC公司：

62页第10页 统计学在生物学和医学中的应用；元分析
62J12型 广义线性模型（逻辑模型）
92 C50 医疗应用（通用）

关键词：

AUC公司;脑梗死;条件logistic回归;弹性网;拉索;惩罚可能性;ROC分析
PDF格式BibTeX公司 XML格式引用
\textit{J.Qian}等人，《生物统计学》70，第1期，153--163（2014；Zbl 1419.62425）
全文： 内政部 链接

参考文献：

[1] Adewale，A.J.、Dinu，I.和Yasui，Y.（2010年）。提升相关二进制分类。计算与图形统计杂志19，140-153。
[2] Balasubramanian，R.、Houseman，E.、Coull，B.、Lev，M.、Schwamm，L.和Betensky，R.（出版中）。高维数据背景下匹配病例对照研究中的可变重要性。英国皇家统计学会杂志，C辑。
[3] Breslow，N.E.和Day，N.E.（1980年）。癌症研究中的统计方法：病例对照研究分析，第1卷。法国里昂：国际癌症研究机构。
[4] Cai，J.，Fan，J.、Li，R.和Zhou，H.（2005）。多元故障时间数据的变量选择。生物特征92，303-316·Zbl 1094.62123号
[5] Davatzikos，C.、Resnick，S.、Wu，X.、Parmpi，P.和Clark，C.（2008）。通过MRI高维模式分类对AD和FTD患者进行个体诊断。NeuroImage411220-1227。
[6] Davenport，R.、Dennis，M.、Wellwood，I.和Warlow，C.（1996）。急性中风后的并发症。冲程27415-420。
[7] Duchesne，S.、Caroli，A.、Geroldi，C.、Collins，D.L.和Frisoni，G.B.（2009年）。轻度认知障碍患者一年的认知变化与基线MRI特征相关。神经影像47，1363-1370。
[8] Fan，J.和Lv，J.（2010）。高维特征空间中变量选择的选择性概述。《中国统计》20，101-148·Zbl 1180.62080号
[9] Hilker，R.、Poetter，C.、Findeisen，N.、Sobesky，J.、Jacobs，A.、Neveling，M.等人（2003年）。急性卒中后医院内肺炎：对神经重症监护医学的影响。中风34975-981。
[10] Katzan，I.L.、Dawson，N.V.、Thomas，C.L.、Votruba，M.E.和Cebul，R.D.（1998年）。急性中风后肺炎的费用。神经病学681938-1943。
[11] Lin，D.Y.和Ying，Z.（1993）。不完全协变量测量的Cox回归。《美国统计协会杂志》88，1341-1349·Zbl 0794.62073号
[12] 曼特尔，N.（1973）。综合回顾性研究和相关主题。生物统计学29479-486。
[13] Martin，R.、Goodyear，B.、Gati，J.和Menon，R.（2001）。人类自动和自愿吞咽的大脑皮层表现。《神经生理学杂志》85，938-950。
[14] Meier，L.、van de Geer，S.和Bühlmann，P.（2008）。该组套索用于逻辑回归。英国皇家统计学会杂志，B70系列，53-71·兹比尔1400.62276
[15] Prentice，R.L.和Pyke，R.（1979年）。Logistic疾病发病率模型和病例对照研究。生物特征66，403-412·Zbl 0428.62078号
[16] Rothman，K.J.、Greenland，S.和Lash，T.L.（2008）。现代流行病学，第3版。宾夕法尼亚州费城：Lippincott Williams&Wilkins。
[17] Ruczinski，I.、Kooperberg，C.和Leblanc，M.（2003）。逻辑回归。计算与图形统计杂志12，475-511。
[18] Tan，Q.、Thomassen，M.和Kruse，T.A.（2007年）。利用配对设计在微阵列实验中预测肿瘤转移的特征选择。癌症信息3，213-218。
[19] Tibshirani，R.（1996）。通过套索回归收缩和选择。英国皇家统计学会杂志，B58辑，267-288·Zbl 0850.62538号
[20] Tworoger，S.、Rosner，B.、Willett，W.和Hankinson，S.（2011年）。多种性激素和生长激素对绝经后乳腺癌风险的联合影响：一项巢式病例对照研究。乳腺癌研究13，R99。
[21] Upadya，A.、Thorevska，N.、Sena，K.、Manthous，C.和Amoateng‐Adjepong，Y.（2004）。中风危重患者肺炎的预测因素和后果。危重病护理杂志19，16-22。
[22] Woodward，M.（2005年）。流行病学：研究设计和数据分析，第2版。佛罗里达州博卡拉顿：查普曼和霍尔/CRC·Zbl 1110.62157号
[23] Wu，J.、Devlin，B.、Ringquist，S.、Trucco，M.和Roeder，K.（2010年）。筛选和清理：在全基因组关联研究中识别相互作用的工具。遗传流行病学34，275-285。
[24] Wu，T.T.、Chen，Y.F.、Hastie，T.、Sobel，E.和Lange，K.（2009）。通过套索惩罚逻辑回归进行全基因组关联分析。生物信息学25714-721。
[25] Zou，H.和Hastie，T.（2005）。通过弹性网进行规则化和变量选择。英国皇家统计学会杂志，B67301-320系列·Zbl 1069.62054号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。