重复测量方差分析在临床试验中的应用_中期报告

1毕业设计（论文）题目：重复测量方差分析在临床试验中的应用专业（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（statisticsofmedicine）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法为指导的医学研究的整个过程中[1]。医学数据信息量往往很大，而且统计计算方法繁杂，尤其是比较复杂的统计方法，计算量会非常大。随着计算机技术的迅猛发展和广泛应用，各种医学统计软件包应运而生，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，获得正确的结论，是生物学研究中重要的一环[2]。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。重复测量方差分析是生物统计中常采用的一种方法。近年来，临床和基础研究中采用重复测量设计方案的研究日益增多，常见如治疗前和治疗后不同时间测量的某指标的数值资料，不少已发的文章对此类资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性或该指标随时间变化的趋势。本课题通过临床试验研究实例，就医学研究中重复测量数据的方差分析方法进行探讨，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）、多因素的方差分析、析因设计的方差分析、协方差分析、多元方差分析、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）上重复测得某个（些）指标变量值；或从同一受试对象的不同部位（组织）上重复测得指标变量值。若设有K个研究2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。其中一个重复测量的两因素模型分析是医学科研中最常用且较简单的一种[3]。重复测量资料方差分析要满足以下条件：1.正态性处理因素的各处理水平的样本个体之间是相互独立的随机样本，其总体均数服从正态分布；（个体内不独立）2.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；3.各时间点组成的协方差阵具有球形性特征。Box(1954)指出，若球形性质得不到满足，则方差分析的F值是有偏的，这会造成过多的拒绝本来是真的无效假设（即增加了I型错误）。一般ANOVA的协方差矩阵222111212222212222212aaaaaaSSSSSSVSSS222111212222212222212aaaaaaSSSSSSSSS221111/1iSyyn2121122/1iiSyyyyn21211221212/1/iiiiiiSyyyynyyyyn222ijijiijjSrSS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：22222ijijijyyyyyySSSS如：12222221122yyyyyySSSS用Mauchly法检验协方差阵是否为球形。H0：资料符合球形要求，H1：资料不满足球形要求。检验的P值若大于研究者所选择的显著性水准α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条件进行球形检验，当检验的结果为P﹥0.05时，说明重复测量数据之间实际上不存在相关性，资料满足Huynh-Feldt条件，可以用重复测量设计资料的单变量方差分析处理资料；反之，当P≤0.05时，表明资料不满足Huynh-Feldt条件，使用Greenhouse-Geisser（G-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：31.采用MANOVA（多变量方差分析方法）2.对重复测量ANOVA检验结果中与时间有关的F值的自由度进行调整（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P﹥0.05，说明重复测量数据之间实际上不存在相关性，数据符合Huynh-Feldt条件，可按单因素方差分析方法来处理；如果P﹤0.05，说明重复测量数据之间存在相关性，不可按单因素方差分析方法处理。实际应用中的重复测量设计资料以后者多见，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（betweensubjects）变异与个体内（withinsubject）变异。两因素重复测量资料的方差分析总思想：将总变异分解为对象间（betweensubjects）变异与对象内（withinsubject）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（polynomial）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注意，首先检查最高阶次的参数在两对比组之间是否具有统计学意义，如果组间差异具有统计学意义，则可以认为包括本阶次及其余各阶次之间都具有不同的趋势；否则，应继续对次高阶次的参数作评价。如果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）1资料和方法1.1资料来源本文资料来源于河北医科大学的研究生杨娅丽的学术论文“肺表面活性物质对胎粪吸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（MAS）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，同时伴有其他脏器受损的一组综合征[4]。国内报道活产儿中发生胎粪吸入综合征的约1.2%~2.2%，病死率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(pulmonarysurfactant，PS)受到严重损害，胎粪吸入引起的缺氧、酸中毒损害肺血管内皮细胞及肺泡上皮细胞，发生肺水肿、肺出血，使肺弥散功能降低，缺氧加重。血管内皮生长因子(vascularendothelialgrowthfactor，VEGF)是特异作用于血管内皮细胞的有丝分裂原，可调节血管内皮细胞增殖、迁移。增加血管通透性。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PS治疗提供理论依据。1.2患儿及分组选用河北省儿童医院新生儿科重症监护病房2008年2月至2010年1月收治的患MAS的新生儿，共42名。将MAS患儿按随机数字法分为肺表面活性物质治疗组（PS组）和常规治疗组（对照组），每组各21例。PS组和对照组两组所有患儿均给予气管插管，应用呼吸机，SIMV模式辅助呼吸和其他相应的对症治疗。PS组患儿给予PS70mg/kg（牛肺表面活性剂）治疗。采集PS组及对照组患儿40小时，治疗后24小时和72小时静脉血2ml，用3000r/min离心10min提取上清液后置于-30℃保存备用并记录血清中VEGF的变化情况。表1血清中VEGF的原始数据(ng/l)治疗前0小时1.031.7720.0940.5961.3141.5160.9871.030.8360.7460.5561.121.161.2110.9830.9340.8281.1640.5941.050.88424小时1.7031.5481.231.1351.4221.1231.3451.0981.2351.3361.3671.2431.2141.2341.3131.4641.211.3561.2981.1340.97672小时1.7031.5481.231.4351.4221.8231.3451.4121.4351.3361.3671.3431.3541.3341.4131.4641.2711.3561.2981.3341.423治疗后0小时0.881.031.2261.5580.8541.030.7781.030.8560.780.8681.030.641.030.821.2721.0061.080.8621.050.88424小时1.2031.0681.231.3351.3221.1230.9210.9871.2351.2361.4321.1431.2140.9341.2131.1641.210.9561.2981.1340.97672小时1.2031.3681.4231.3351.3221.1231.4631.3871.2351.2361.4321.1431.2141.3341.2131.3641.210.9561.2981.1340.9762分析步骤及结果2．1资料的整理将原始资料检查核对后输入计算机，数据格式如表2。建立的数据文件模式如图1。本文要建立四个变量：groupgroup=1表示治疗前group=2表示治疗后；time1表示0小时time2表示24小时time3表示72小时表2重复测量的数据结构编号治疗前（group1）治疗后（group2）0小时24小时72小时0小时24小时72小时11.031.7031.7030.881.2031.20321.7721.5481.5481.031.0681.36831.0941.231.231.2261.231.423．．．．．．．．．．．．．．．．．．．．．190.5941.2981.2980.8621.2981.298201.051.1341.3341.051.1341.134210.8840.9761.4230.8840.9760.9765图1治疗前后的测量数据2.2资料的分析2.2.1主效应与交互效应分析SPSS软件操作步骤：（1）调用RepeatedMeasures：Analyze→GeneralLinearModel→RepeatedMeasures（2）定义RepeatedMeasuresDefineFactor(s)对话框：在Within-subjectfactorname框中删除原有的Factor1，输入组内因素time（定义重复测量的变量名为time），在Numberofleves框中输入组内因素time的水平数3，单击Add按钮，在矩形框中显示time（3），点击Define按钮。（3）定义RepeatedMeasures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time1、time2、time3，单击向右箭头按钮，Within-subjectvariables（time）框中第一栏变为time1（1），第二栏变为time2（2），第三栏变为time3（3），点击group进入Between-SubjectsFactor（s）。（4）定义Options：点击Options按钮，点击time进入DisplayMeansfor对话框中，选中CompareMaineffects，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