重复测量方差分析在临床试验中的应用-中期报告

PAGEPAGE9毕业设计（论文）专业（方向：生物医学工程学生信息：学号： 姓名： 班级：指导教师信息：教师号： 姓名： 职称报告提交日期：一、课题简介医学统计学是一门运用数理统计和概率论的原理，结合医学实际，针对医学数据资料进行收集、整理、分析和推断的学科，是医学科研与实践的重要工具，贯穿于以现代科学实验方。医学数据信息量往往很大，而且统计计算方法繁杂，尤其是比较复成为医学数据统计分析的有力工具。如何使用统计分析软件实现对研究结果的快速和科学的处理，获得正。SPSS软件是国际上流行的权威性统计分析软件之一，其基本功能包括数据管理、统计分析、图表分析、输出管理等。SPSS统计分析包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类，每类中又分好几个统计过程，而且每个过程中又允许用户选择不同的方法及参数。SPSS软件有专门的绘图系统，可以根据数据绘制各种图形。SPSS软件有很多优点，如它操作简便、编程方便、功能强大，有全面的数据接口、灵活的功能模块组合，而且针对性强。料的分析都采用单因素方差分析甚至t检验等不妥当的方法，而没有考虑到某指标在不同时间点上的关联法进行探讨，并运用SPSS软件实现重复测量资料的方差分析，以期对科研工作者提供可借鉴的统计分析方法。二、研究方法常见方差分析有：完全随机设计的方差分析（即单因素方差分析）、随机区组设计的方差分析（即配伍设计或两因素方差分析）交叉设计的方差分析、重复测量的方差分析等等。重复测量是指受试对象接受某种处理因素后，在不同时间点上，由一个受试对象（样品）某个（些）指标变量值；或从同一受试对象的不同部位（组织）K个研究或实验因素，其中有m个因素与重复测量有关，则称此模型为m个重复测量的K因素设计。其中一个重]重复测量资料方差分析要满足以下条件：布（个体内不独立）方差齐性相互比较的各处理水平的总体方差相等，即具有方差齐同；各时间点组成的协方差阵具有球形性特征。F是真的无效假设（即增加了I型错误。一般ANOVAS2S2SS2S2S2S2S2S211121a1112a1S221S222S22aS221S222S22a S2 y y11 1S2S2S2S2S2S2a1a2aaa1a2aaS212y1iy1y2iy/2n1S2yyyy/n1yyyy121i12i22i1i2iS2ijSijS2S2iijjij球形对称的实际意义为所有两两时间点变量间差值对应的方差相等。对于yi与yj两时间点变量间差值对应的方差可采用协方差矩阵计算为：S2 S2 S2

2S2yy y y yyi j i j ijS2yy21

S2 S2y2

2S2y1y2MauchlyH0检验的Pα时，说明协方差阵的球形性质得到满足。首先对重复测量数据在在个时间点之间的关系是否满足Huynh-Feldt果为P﹥0.05Huynh-FeldtP≤0.05Huynh-FeldtGreenhouse-GeissrG-G）法的球对称系数进行校正。球形条件不满足时常有两种方法可供选择：采用MANOVA（多变量方差分析方法）对重复测量ANOVA检验结果中与时间有关的F（调小）通过球形检验的结果判断重复测量数据之间是否存在相关性。如果该检之间实际上不存在相关性，数据符合条件，可按单因素方差分析方法来处理；如果后者多见，应使用重复测量的方差分析模型。单因素重复测量资料的方差分析总思想：将总变异分解为个体间（betweensubjecs变异与个体内（withinsubjt（betweensubjets变异与对象内withinsubjc变异，其中个体内变异是与重复因素有关的变量。一般采用正交多项式（polynomia）分析某处理因素的均数随时间的变化情况。趋势分析有几点需要在任何阶次上差异都不具有统计学意义，说明这两条曲线的变化趋势是一致的。三、阶段性成果（仿真实验与结果）资料和方法入综合征患儿血管内皮生长因子及血小板源性生长因子的影响”中的部分数据（表1。新生儿胎粪吸入综合征）是胎儿在子宫内或生产时吸入混有胎粪的羊水，导致呼吸道和肺泡机械性阻塞、肺泡表面活性物质的失活和肺组织的化学性炎症，出生后出现以呼吸窘迫为主，同时伴有其他。国内报道活产儿中发生胎粪吸入综合征的约1.2%~2.2%7%~15.2%，国外流行病学调查资料报道MAS的病死率大约为3%~12%[5,6。MAS患儿内源性肺表面活性物质(pulmonarysurfacaS(vasculaendothelirowthfactrVEGF)VEGF的过度表达，可使毛细血管通透性增强，血浆渗出，表现为肺水肿加重，氧合下降，循环血量减少。而本实验旨在观察胎粪吸入综合征患儿血清中VEGF的表达，并探讨给予外源性肺表面活性物质治疗后对其表达水平的影响，从而为重症胎粪吸入综合征应用PS200822010142名。将MAS患儿按随机数字法分为肺表面活性物质治疗组组）（对照组，每组各21PSSIMV模式辅助呼PS组患儿给予PS牛肺表面活性剂）治疗。采集PS组及对照组患儿1.031.7720.0940.5961.3141.5160.9871.030.8360.7460.55110.9831.1640.5941.050.8841.7031.5481.231.1351.4221.1231.3451.0981.2351.3361.3671.2431.2141.2341.31.031.7720.0940.5961.3141.5160.9871.030.8360.7460.55110.9831.1640.5941.050.8841.7031.5481.231.1351.4221.1231.3451.0981.2351.3361.3671.2431.2141.23561.2981.1340.9761.7031.5481.231.4351.4221.8231.3451.4121.4351.3361.3671.3431.3541.3341.40小时治疗 24小前72

表1血清中VEGF的原始数据(ng/l)1.2711.3561.2981.3341.4230

0.881.031.2261.5580.8541.030.7781.030.8560.780.8681.030.641.030.821.2720.8621.050.884治 1.2031.0681.231.3351.3221.1230.9210.9871.2351.2361.4321.1431.2140.9341.2疗 24小后

1.210.9561.2981.1340.97672小时1.2031.3681.4231.3351.3221.1231.4631.3871.2351.2361.4321.1431.2141.33561.2981.1340.976分析步骤及结果。建立的数据文件模式如图1。本文要建立四个变量：group group=1表示治疗前 group=2表示治疗后；time1表示0小time2表示24小时 time3表示72小时表2重复测量的数据结构治疗前group） 治疗后group）编号0小时24小时72小时0小时24小时72小时11.031.7031.7030.881.2031.20321.7721.5481.5481.031.0681.36831.09261.231.423．．．．．．．190.5941.2981.2980.8621.2981.298201.051.1341.3341.051.1341.134210.8840.9761.4230.8840.9760.976

图1治疗前后的测量数据主效应与交互效应分析SPSS调用RepeatedMeasursAnalyze→GeneralLinearModlRepeatedMeasures定义RepeatedMeasuresDefineFactrs在Within-subjectfactorae删除原有的Factor，输入组内因素tim（定义重复测量的变量名为tim，在Numberoflevs中输入组内因素time的水平数，单击Add按钮，在矩形框中显示tim（3，点击Define按钮。定义RepeatedMeasure主对话框：单击Define按钮，显示RepeatedMeasures主对话框，在左面矩形框中选择、、Within-subjeariablstim）框中第一栏变为time（1，第二栏变为time（2三栏变为time（3，点击group进入Between-SubjectsFat。定义点击Option按钮，点击time进入DisplayMeansfr话框中，选中CompareMaineffet选择LSD作时间因素主效应不同水平间的多重比较。选中复选框中的Descriptivstatisis出描述统计量。点击Continue按钮。点击Model按钮，选中Custom（自定义模型，选time进入Within-subjeodel（分析3次重复测量间有无随时间变化的趋势，选group进入BetweensubjecModel（只分析主效应。点击按钮。绘制交互效应轮廓图：单击Plot按钮，选time进入HorizontalAi选group进入SeparateLie单击AddPlot对话框中显示time*grou。点击Continu按钮。点击OK按钮。2.2.2主要输出结果治疗前和治疗后Mean治疗前和治疗后MeanStd.DeviationN0小时2472治疗前.97167.35672021治疗后.97924.20085721Total.97545.28595042治疗前1.28495.16373321治疗后1.15876.14153721Total1.22186.16409642治疗前1.41171.13744121治疗后1.25567.13868121Total1.33369.15758342通过球形检验的结果判断重复测量数据之间是否存在相关性球形检验结果P﹤0.01，说明6次重复测量的数据间存在高度的相关性，宜用多元方差分析进行检验或按表右侧给出的3种校正方法对一元方差分析进行校正（校正系数为Epsilo。本文使用Greenhouse-Geissr校正结果。主要结果见表。WithinSubjectsEffectWithinSubjectsEffectMauchly'sWApprox.Chi-SquaredfSig.Epsilon(a)time.69014.4892Greenhous Huynh-Felde-Geisser t Lower-bound.001 .763 .807 .500分析时间、分组因素的作用及时间和分组之间的交互效应重复测量资料的单变量方差分析较一般类型实验设计资料的方差分析要复杂一些，由于由个体形成的区组因素与处理因素之间存在包含关系，需要从其中分解出反映个体间变异的部分作为度量处理因素效应大小的误差项，而度量“时间因素”和“处理与时间之间的交互作用”效应的大小时，需要用个体内within-subjc势；但时间和分组的交互作用（time*grou）没有统计学意义（P﹥0.0，说明时间因素的作用不随分组的5。个体间变异部分的计算结果显示，group的P值小于0.05，说明分组因素起作用，各组测量数据总体而言不同。见表6。不同测定时间点的多重比较结果显示，不同时间点的测量指标随时间变化趋势基本相同P0.0见表。表5时间因素主效应和时间因素与分组因素交互效应方差分析结果SourceTypeIIISumofSquaresdfMeanSquareFSig.timeSphericityAssumed2.82221.41142.720.000Greenhouse-Geisser2.8221.5261.84942.720.000Huynh-Feldt2.8221.6141.74842.720.000Lower-bound2.8221.0002.82242.720.000time*groupSphericityAssumed.1592.0802.414.096Greenhouse-Geisser.1591.526.1042.414.111Huynh-Feldt.1591.614.0992.414.108Lower-bound.1591.000.1592.414.128Error(time)SphericityAssumed2.64280.033Greenhouse-Geisser2.64261.054.043Huynh-Feldt2.64264.571.041Lower-bound2.64240.000.066表6分组因素主效应方差分析结果SourceTypeIIISumofSquaresdfMeanSquareFSig.Intercept174.5511174.5512898.326.000group.2641.2644.384.043Error2.40940.060(I)time(J)(I)time(J)timeMeanDifference(I-J)Std.ErrorSig.(a)95%ConfidenceIntervalforDifference(a)LowerBoundUpperBound12-.246(*).047.000-.342-.1513-.358(*).042.000-.442-.27421.246(*).047.000.151.3423-.112(*).027.000-.167-.05731.358(*).042.000.274.4422.112(*).027.000.057.167治疗前治疗后123时间（h）借助于Plot3治疗前治疗后123时间（h）