【摘 要】
：
近年来，环境因素对脑血管疾病的影响得到了越来越多研究者的关注。本课题组根据气象因素和空气污染物数据及北京市脑血管疾病的急诊和入院人数进行二者关联及预测研究，分析空气污染物对脑血管疾病的急性效应。采用时间序列广义相加模型对北京市颗粒物浓度对心脑血管疾病急诊量的影响效应的研究发现大气颗粒物与心脑血管疾病急性发作存在一定的关联。
【出 处】
：
2017第十一届临床医学研究中的统计方法学术研讨会
论文部分内容阅读
近年来，环境因素对脑血管疾病的影响得到了越来越多研究者的关注。本课题组根据气象因素和空气污染物数据及北京市脑血管疾病的急诊和入院人数进行二者关联及预测研究，分析空气污染物对脑血管疾病的急性效应。采用时间序列广义相加模型对北京市颗粒物浓度对心脑血管疾病急诊量的影响效应的研究发现大气颗粒物与心脑血管疾病急性发作存在一定的关联。
其他文献
Large-scale multiple testing tasks often exhibit dependence.Leveraging the dependence between individual tests is still one challenging and important problem in statistics.With recent advances in grap
Akaike Information Criterion,which is based on maximum likelihood estimation and cannot be applied directly to the situations when likelihood functions are not available,has been modified for variable
医学临床预后的重要影响因素,对医学诊疗具有十分重要的指导意义.目前对临床预后的重要影响因素筛选常用SPSS统计软件分析和ROC分析方法,然而这些方法均未能有效避免哑变量和多因素间相互影响问题.针对以上问题,本文提出了决策曲线分析(DCA)方法,一种对临床预后重要影响因素筛选的新方法,并对筛选的因素做出重要性排序.DCA方法的主要优势在于不仅能对每个单因素变量进行独立分析,而且能有效避免哑变量干扰问
Discovering RNA regulation mechanism is key problem in biological study.In recent years,RNA regulation mechanisms via micro RNAs and long non-coding RNAs(lncRNA) have received a lot of attentions.lncR
在大型临床试验或流行病调查的数据分析中,目前常用到Logistic回归分析[1-5],从而估计发病概率或事件概率和各种相关危险因素的定量关系。近年来ROC (Receiver operating characteristic,接收器工作特性,目前国内多误译现成软件方便计算和绘制ROC曲线及AUC (area under the curve,曲线下面积),使ROC 可以有更广泛的应用,我们的计算表明
Many types of interventions lack a placebo equivalent that can be used as a control condition in a randomized clinical trial (RCT).Alternative control conditions such as the community-based care or tr
There is great potential for clinical trials designed with adaptive features to result in more efficient decision making within a drug development program.However,clinical trials with adaptive feature
If every clinical trial is so perfect that all subjects randomized into a clinical trial satisfied all entry criteria,strictly followed all protocol specified trial procedures with no losses to follow
上个世纪末"人类基因组计划"的完成带动了生物行业的一次革命，高通量测序技术的迅猛发展，序列测定成本的不断下降，使得生命科学研究获得了强大的数据产出能力，目前生物数据也具备了"大数据"的4V特征，这给下游的生物数据分析和挖掘也带了巨大的挑战。
I will talk on sparse regressions.Lasso and compressed sensing will be discussed.Especially,I will emphasize on our recently proposed new penalized method to solve sparse Poisson Regression problems.B