具有结果相关随访的纵向研究中的参数估计

在许多观察性研究中，随着时间的推移重复测量个体，尽管不一定是在预先指定的场合。相反，可以不定期地对个人进行测量，对那些有较差健康结果病史的人进行测量的频率和规律性略高；即那些具有较差健康结果的个体可能具有更频繁的后续测量并且其重复测量之间的间隔可能更短。在本文中，我们考虑纵向数据模型中回归参数的估计，其中随访时间不是由设计确定的，而是取决于以前的结果。特别地，我们关注纵向数据的一般线性模型，其中重复测量被假定为具有多元高斯分布。我们考虑与随访时间过程相关的假设，这些假设导致似然函数分为两个部分：一个用于随访时间过程，另一个用于结果过程。这种分离的实际含义是，当对后者进行基于相似性的推断时，可以忽略前一个过程；即，将纵向结果平均值与协变量相关的回归参数的最大似然（ML）估计不需要指定随访时间分布的模型。因此，标准统计软件，例如SAS PROC MIXED（Littell等人，1996年，用于混合型号的SAS系统)，可用于分析数据。然而，我们还证明了重复测量之间协方差模型的错误指定通常会导致回归参数估计有偏差。此外，模拟研究的结果表明，在这种情况下，由于协方差的指定错误而导致的潜在偏差可能相当大。最后，我们使用纵向观测研究的数据来说明这些结果（Lipshultz等人，1995年，新英格兰医学杂志 332研究阿霉素化疗对儿童急性淋巴细胞白血病的心脏毒性作用。