×
罗景钦;吉娜·D’Angela;高，冯;丁继敏;熊成杰

家庭类型聚类研究中的双变量相关系数。 （英语） Zbl 1386.62055号

生物。J。 57，第6号，1084-1109（2015）。
小结：我们提出了一种基于双变量线性混合效应模型的统一方法，用于估计三种类型的双变量相关系数（BCC），以及来自家庭型聚类设计的横截面数据中两个定量变量之间的相关方差。这些BCC在不同级别的实验单位中定义，包括集群（例如家庭）和集群内的受试者，并评估两个变量之间关系的不同方面。我们研究了这些BCC的基于相似性的推断，并使用标准软件SAS提供了简单的实现。与文献中关于聚类数据的几种现有BCC估计不同，我们的方法可以无缝地处理家族型聚类设计带来的两个主要分析挑战：（1）许多家族可能只由一个受试者组成；（2） 对于一些受试者来说，配对测量中的一个可能缺失。因此，我们的方法最大限度地利用来自所有家庭的所有受试者（即使是那些缺少两个相关变量之一的受试者）的数据，而不考虑家庭规模。我们还进行了大量的模拟，以表明我们的估计量在处理缺失数据或/和不平衡族规模方面优于现有估计量，并且所提出的Wald检验保持了良好的规模和假设检验能力。最后，我们分析了来自一项家族聚类研究的真实世界阿尔茨海默病数据集，以研究不同疾病标志物模式的基底细胞癌，包括认知测试、脑脊液生物标志物和神经成像生物标志物。

引用于2文件

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
62H20个 关联度量（相关性、典型相关性等）
62H30型 分类和区分；聚类分析（统计方面）

关键词：

二元相关;二元线性混合效应模型;缺少数据;权力;随机效应;大小;沃尔德试验

软件：

国家实验室;SAS公司;lme4公司;混合的;metafor公司
PDF格式BibTeX公司 XML格式引用
\textit{J.Luo}等人，《生物》。J.57，No.6，1084--1109（2015；Zbl 1386.62055）
全文： 内政部 链接

参考文献：

[1] Andreasen，临床实践中CSF-tau和CSF-AB42作为阿尔茨海默病诊断标记物的评估，《神经病学档案》58第373页–（2011）
[2] 贝特曼，显性遗传性阿尔茨海默病的临床和生物标志物变化，《新英格兰医学杂志》367页795页–（2012）·doi:10.1056/NEJMoa1202753
[3] Bates，D.Maechler，M.Bolker，B.Walker，S.2014 lme4：使用Eigen和S4 R包版本1.1-5的线性混合效应模型。检索自http://CRAN.R-project.org/package=lme4
[4] Bello，《受邀评论：牛奶生产和繁殖性能：对持久公理的现代跨学科见解》，《乳制品科学杂志》95页5461–（2012）·doi:10.3168/jds.2012-5564
[5] Bennett，两项基于社区的研究得出的无认知障碍老年人的神经病理学，《神经病学》66，第837页–（2006）·doi:10.1212/01.wnl.0000219668.47116.e6号文件
[6] 布兰德，用重复观察计算相关系数：第1部分：受试者内的相关性，BMJ 310第446页–（1995年a）·doi:10.1136/bmj.310.6977.446
[7] 布兰德，用重复观察计算相关系数：第2部分：受试者之间的相关性，BMJ 310第633页–（1995年b）·doi:10.1136/bmj.310.6980.633
[8] Fisher，关于从小样本推导出的相关系数的“可能误差”，Metron 1 pp 3–（1921）
[9] 高，使用SAS®分析多元纵向数据，《第三十一届SAS用户集团国际年会论文集》，第187页–（2006）
[10] Hamlett，《关于使用PROC MIXED估计重复测量下的相关性》，SAS用户小组国际，《统计与数据分析学报》第198卷第1页–（2004年）
[11] 对冲，荟萃分析的统计方法（1985）
[12] 亨特，《元分析方法：纠正研究结果中的错误和偏见》（2004）·doi:10.4135/9781412985031
[13] Katzman，《阿尔茨海默病的患病率和恶性程度：一个主要杀手》，《神经病学档案》第33卷第217页–（1976年）·doi:10.1001/archneur.1976.00500040001001
[14] Kiernan，《使用SAS/STAT程序进行混合建模的技巧和策略》，2012年SAS全球论坛，第332页–（2012）
[15] Lorenz，聚类数据的边缘关联度量，《医学统计》30，第3181页–（2011）·doi:10.1002/sim.4368
[16] Mills，常染色体显性阿尔茨海默病的临床前试验：DIAN-TU的实施，Revue Neurologique 169，第737页–（2013）·doi:10.1016/j.neurol.2013.07.017
[17] Mintun，[11C]非痴呆人群中的PIB：阿尔茨海默病的潜在先行标志物，Neurlogy 67第446页–（2006）·doi:10.1212/01.wnl.0000228230.26044.a4
[18] 莫里斯，《临床痴呆分级（CDR）：当前版本和评分规则》，《神经病学》第43页，第2412页–（1993）·doi:10.1212/WNL.43.11.2412-a
[19] Morris，非骨水泥老化、轻度认知功能障碍和早期阿尔茨海默病的病理相关性，《分子神经科学杂志》17页101–（2001）·doi:10.1385/JMN:17:2:101
[20] Naveh-Benjamin，《记忆表现的成人年龄差异：联想缺陷假说的测试》，《实验心理学杂志：学习、记忆和认知》，第26页，1170–（2000）
[21] Nguyen，重复测量中隐藏相关性的简单估计，《医学统计》30页3403–（2011）·doi:10.1002/sim.4366
[22] Piepho，《缺少成分性状数据的复杂性状分析》，《生物测量与作物科学通讯》9，第26页–（2014年）
[23] Pinheiro，J.Bates，D.DebRoy，S.Sarkar，D.Team，T.R.2013 nlme：线性和非线性混合效应模型http://CRAN.R-project.org/package=nlme
[24] Price，《非骨水泥老化的神经病理学：临床前阿尔茨海默病的推定证据》，《神经生物老化30》，第1026页–（2009年）·doi:10.1016/j.neurobiolaging.2009.04.002
[25] Roy，使用混合效应模型通过重复观测估计两个变量之间的相关系数，《生物医学杂志》48页286–（2006）·doi:10.1002/bimj.200510192
[26] Salthouse，成人年龄和工作记忆对推理和空间能力的影响，《实验心理学杂志：学习、记忆和认知》，第15页，507–（1989）
[27] Shaw，阿尔茨海默病神经成像倡议受试者的脑脊液生物标记物特征，《神经病学年鉴》65，第403页–（2009年）·doi:10.1002/ana.21610
[28] 21-93岁健康成年人脑脊液中Sjögren，Tau和A{（β）}42：参考值的确定，《临床化学》第47页1776–（2001）
[29] Thiébaut，使用SAS PROC mixed的双变量线性混合模型，《生物医学中的计算机方法和程序》69，第249页–（2002）·doi:10.1016/S0169-2607（02）00017-2
[30] Viechtbauer，使用metafor包在R中进行meta-analysis，《统计软件杂志》第36页第1页–（2010年）·doi:10.18637/jss.v036.i03
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。