论文部分内容阅读
本文探讨了广义线性模型在三种不同类型传染病资料分析中的应用,主要内容有:运用链二项分布模型、对数线性模型和Poisson回归模型分析家庭内流行链资料;运用L-K模型和Poisson回归模型分析社区中家庭内发病数资料;运用Poisson回归模型分析社区动态监测资料。
运用链二项分布模型、对数线性模型和Poisson回归模型分析家庭内流行链资料。以五口之家的普通感冒资料为例,运用这3种模型估计感染率参数,其中链二项分布模型和对数线性模型的估计完全相同,而两者与Poisson回归模型的估计结果非常近似,但不一定完全等价。同时运用这三种模型检验5种传染模式,三种模型的检验结果一致,均提示:其他条件不变的前提下,考虑代数的传染模式优于不考虑代数的传染模式;需正确考虑感染者数对感染率的影响,假设介于Greenwood模型假设与Reed-Frost模型假设间(qij=qi√j)。
运用L-K模型和Poisson回归模型分析社区中家庭内发病数资料。以美国密歇根流感流行资料为例,运用这两种模型估计感染率参数,结果如下:对于L-K模型,社区感染率为0.140±0.015,家庭二代感染率为0.155±0.035;对于Poisson回归模型,社区感染率为0.148±0.022,家庭二代感染率为0.127±0.055。两者估计结果非常接近,但不一定完全等价。
运用Poisson回归模型分析社区动态监测资料。以尼日利亚某社区天花流行资料为例,运用Poisson回归模型探讨该资料的流行规律,得到三个拟合效果较好的模型:h(t,I,S)=0.549·e-0.036t·I、h(t,I,S)=0.529·I·(S/120)8.23及h(t,I,S)=0.545·e-0.031t·I·(S/120)。
根据本研究结果,笔者认为根据不同资料的性质,可以找到一个合适的广义线性模型。也就是说,广义线性模型用于传染性疾病的分析是可行的。广义线性模型用于传染性疾病资料的分析,可同时在模型中考虑其他协变量,例如:年龄、性别、是否接种疫苗、家庭卫生经济状况等影响因素的作用。应用中可以考虑多个模型的建立,并比较其结果,进而深入探讨疾病传播的模式和机制。