亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        以優(yōu)勢(shì)比和多余相對(duì)危險(xiǎn)度為評(píng)價(jià)指標(biāo)的因果中介效應(yīng)分析

        2022-11-22 10:58:16胡純嚴(yán)胡良平
        四川精神衛(wèi)生 2022年5期
        關(guān)鍵詞:模態(tài)效應(yīng)水平

        胡純嚴(yán) ,胡良平 ,2*

        (1.軍事科學(xué)院研究生院,北京 100850;2.世界中醫(yī)藥學(xué)會(huì)聯(lián)合會(huì)臨床科研統(tǒng)計(jì)學(xué)專(zhuān)業(yè)委員會(huì),北京 100029*通信作者:胡良平,E-mail:lphu927@163.com)

        當(dāng)結(jié)果變量為二值變量時(shí),因果中介效應(yīng)模型為L(zhǎng)ogistic回歸模型。此時(shí),因果中介效應(yīng)分析所采用的評(píng)價(jià)指標(biāo)不適合用算術(shù)平均值,而需要改用優(yōu)勢(shì)比(Odds Ratio,OR)[1-2]和多余相對(duì)危險(xiǎn)度(Excess Relative Risk,ERR)[1,3]。一般來(lái)說(shuō),優(yōu)勢(shì)比適用于來(lái)自病例對(duì)照研究設(shè)計(jì)的定性資料;而相對(duì)危險(xiǎn)度適用于隊(duì)列研究設(shè)計(jì)的定性資料。本文采用優(yōu)勢(shì)比和多余相對(duì)危險(xiǎn)度作為評(píng)價(jià)指標(biāo),分析來(lái)自橫斷面研究設(shè)計(jì)的定性資料。本文將介紹設(shè)置變量水平的選項(xiàng)和多模態(tài)協(xié)變量,通過(guò)實(shí)例分析,展示以O(shè)R和ERR為評(píng)價(jià)指標(biāo)的因果中介效應(yīng)分析和效應(yīng)成分的分解結(jié)果。

        1 評(píng)價(jià)二值結(jié)果變量的指標(biāo)

        1.1 兩個(gè)新評(píng)價(jià)指標(biāo)

        當(dāng)結(jié)果變量為連續(xù)性變量時(shí),因果中介效應(yīng)分析涉及的評(píng)價(jià)指標(biāo)為算術(shù)平均值;而當(dāng)結(jié)果變量為二值變量時(shí),因果中介效應(yīng)分析涉及兩個(gè)新評(píng)價(jià)指標(biāo):OR和ERR。

        1.2 ERR的定義和計(jì)算公式

        OR和普通相對(duì)危險(xiǎn)度(RR)的定義和計(jì)算公式在很多文獻(xiàn)中都可以找到[4-5],因篇幅所限,此處從略。以下扼要介紹ERR,計(jì)算公式見(jiàn)式(1)[3]。

        式(1)中,R0為暴露因素取非暴露水平0時(shí)的發(fā)病率,R1為暴露因素取暴露水平1時(shí)的發(fā)病率,故R1/R0就是普通相對(duì)危險(xiǎn)度RR;E=R1-R0,即暴露與非暴露兩種水平條件下發(fā)病率之差量,被稱為多余風(fēng)險(xiǎn)度(Excess Risk,ER)。因此,ERR=E/R0就被稱為多余相對(duì)風(fēng)險(xiǎn)度。

        2 設(shè)置變量水平的選項(xiàng)和多模態(tài)協(xié)變量

        2.1 設(shè)置變量水平的選項(xiàng)

        在運(yùn)用proc causalmed過(guò)程步時(shí),用戶可以使用evaluate語(yǔ)句請(qǐng)求系統(tǒng)計(jì)算以特定變量水平為條件的因果中介效應(yīng)[1]。也就是說(shuō),用戶可以進(jìn)行分層因果中介效應(yīng)分析。具體做法是通過(guò)指定以下形式的賦值來(lái)設(shè)置變量的水平,見(jiàn)式(2)。

        式(2)中,var-key代表指定變量的關(guān)鍵詞,以下簡(jiǎn)稱“變量鍵”;value-key代表為指定變量的水平設(shè)置具體值的關(guān)鍵詞,以下簡(jiǎn)稱“值鍵”。文獻(xiàn)[1]總結(jié)了var-key和value-key的選項(xiàng),并將有關(guān)內(nèi)容匯總在一張表中,因篇幅所限,此處從略。

        要指定賦值,需查找到正確的var-key。用于處理變量、中介變量和協(xié)變量水平時(shí),需采用不同的var-key。例如,假設(shè)在用戶的分析中有一個(gè)連續(xù)的處理變量Exposure和一個(gè)二值中介變量Perceived-Pain,可使用以下語(yǔ)句確定這些變量的角色。

        proc causalmed;

        class PerceivedPain;

        mediator PerceivedPain=Exposure;

        model outcome=PerceivedPain|Exposure;

        要將處理水平設(shè)置為最大樣本值,將控制水平設(shè)置為平均值,將中介變量設(shè)置為“無(wú)”的水平,可使用以下任何等效設(shè)定:

        evaluate'Setting 1'_t1=max_t0=mean_mstar='none';

        evaluate'Setting 2'_treatment=max_control=mean_mediator='none';

        evaluate'Setting 3'Exposure(treatment)=max Exposure(control)=mean

        PerceivedPain='none';

        run;

        本例顯示,用戶可以直接(通過(guò)提供實(shí)際變量名)或間接(通過(guò)提供關(guān)鍵字)指定變量鍵和值鍵。

        需注意的是,分類(lèi)協(xié)變量的默認(rèn)值鍵可以是樣本均值或模式(mode)。如果在evaluate語(yǔ)句中未為類(lèi)別協(xié)變量指定任何水平,proc causalmed過(guò)程將使用樣本均值,作為在covar語(yǔ)句中指定的所有未指定類(lèi)別協(xié)變量的默認(rèn)水平。例如,C1、C2和C3的樣本均值是以下設(shè)定的evaluate語(yǔ)句中使用的默認(rèn)水平:

        如果在evaluate語(yǔ)句中指定了至少一個(gè)類(lèi)別協(xié)變量的水平,proc causalmed過(guò)程將使用mode作為covar語(yǔ)句中指定的未指定類(lèi)別協(xié)變量的默認(rèn)水平。例如,C2和C3的模態(tài)水平以及C4的樣本均值是以下設(shè)定的evaluate語(yǔ)句中使用的默認(rèn)水平:

        2.2 多模態(tài)協(xié)變量

        如果將模態(tài)指定為分類(lèi)協(xié)變量的值鍵,并且當(dāng)分類(lèi)協(xié)變量有多個(gè)模態(tài)時(shí),則使用計(jì)算平均值的方法來(lái)計(jì)算變量的水平。為了說(shuō)明這一點(diǎn),假設(shè)C1是一個(gè)連續(xù)的協(xié)變量,C2和C3是二值協(xié)變量。同時(shí),假設(shè)這三個(gè)協(xié)變量分別有6個(gè)觀測(cè)值。C1:1、2、3、4、5、6;C2:1、1、1、1、1、1;C3:1、1、1、2、2、2。

        線性預(yù)測(cè)器的設(shè)計(jì)矩陣包含一列C1、兩列C2和兩列C3:

        假設(shè)指定以下evaluate語(yǔ)句:

        evaluate'Setting C'C1=mean C2=mode C3=mode;

        C1的平均值為3.5。C2的模態(tài)類(lèi)別全為“1”,編碼“1 0”被用作C2的協(xié)變量水平。然而,由于C3有“1 0”和“0 1”兩個(gè)模態(tài)類(lèi)別,6個(gè)觀測(cè)化簡(jiǎn)為2個(gè)觀測(cè)。然后,協(xié)變量水平的最終編碼向量是以下兩個(gè)向量的平均值:

        于是,在評(píng)估因果中介效應(yīng)和分解的公式中使用了平均水平3.5、1、0、0.5和0.5。

        如果對(duì)C1和C3之間的交互作用建模,則使用以下兩個(gè)向量的平均值:

        在以上兩行編碼中,最后兩列代表交互作用項(xiàng)。因此,在評(píng)估因果中介效應(yīng)和分解的公式中使用了平均水平3.5、1、0、0.5、0.5、1.75和1.75。

        3 因果中介效應(yīng)分析的實(shí)例與SAS實(shí)現(xiàn)

        3.1 實(shí)例與數(shù)據(jù)結(jié)構(gòu)

        3.1.1 資料來(lái)源與背景信息

        【例1】文獻(xiàn)[1]提供了一個(gè)關(guān)于吸煙對(duì)嬰兒死亡率的影響的實(shí)例。該實(shí)例演示了因果中介效應(yīng)分析,其處理變量、結(jié)果變量和中介變量均為二值變量。這些數(shù)據(jù)是從美國(guó)國(guó)家衛(wèi)生統(tǒng)計(jì)中心獲得的2003年嬰兒死亡率的信息。本例使用了100 000個(gè)觀察值的隨機(jī)樣本。數(shù)據(jù)集中的主要變量如下:處理變量為Smoking,是母親吸煙行為的指標(biāo),取值為“是”和“否”;結(jié)果變量為Death,是嬰兒出生后一年內(nèi)死亡的指標(biāo),取值為“是”和“否”;中介變量為L(zhǎng)owBirthWgt,是低出生體重(<2 500 g)的指標(biāo),取值為“是”和“否”。此外,5個(gè)混雜的協(xié)變量:AgeGroup代表產(chǎn)婦年齡,<20歲、20~35歲、>35歲的取值分別為1、2、3;Drinking為孕婦在孕期飲酒的指標(biāo),取值為“是”和“否”;Married代表婚姻狀況,取值為“是”和“否”;Race代表種族,取值包括亞洲人、黑人、西班牙裔、土著(美洲土著)和白人;SomeCollege為母親受教育程度為12年及以上的指標(biāo),取值為“是”和“否”。因篇幅所限,詳細(xì)數(shù)據(jù)從略。試對(duì)此資料進(jìn)行因果中介效應(yīng)分析。

        基于以下語(yǔ)句可以輸出數(shù)據(jù)集的前10個(gè)觀察值,見(jiàn)表1。

        表1 數(shù)據(jù)集birthwgt中的前10個(gè)觀測(cè)值Table 1 The first 10 observations of birthwgt data set

        proc print data=sashelp.birthwgt(obs=10);

        run;

        3.1.2 創(chuàng)建用于因果中介效應(yīng)分析的數(shù)據(jù)集

        該數(shù)據(jù)集來(lái)自SAS幫助系統(tǒng),數(shù)據(jù)集名為sashelp.birthwgt。調(diào)用時(shí)只需在過(guò)程步語(yǔ)句中寫(xiě)出數(shù)據(jù)集選項(xiàng)(data=sashelp.birthwgt)即可,參見(jiàn)下面過(guò)程步程序的第一句。

        3.2 用SAS實(shí)現(xiàn)因果中介效應(yīng)分析

        指定因果中介模型,設(shè)所需要的SAS程序如下:

        proc causalmed data=sashelp.birthwgt decomp;

        class LowBirthWgt Smoking Death AgeGroup Married Race

        Drinking SomeCollege/descending;

        mediator LowBirthWgt=Smoking;

        model Death=LowBirthWgt|Smoking;

        covar AgeGroup Married Race Drinking Some-College;

        evaluate'Low Birth-Weight'LowBirthWgt='Yes'/nodecomp;

        evaluate'Normal Birth-Weight'LowBirthWgt='No'/nodecomp;

        run;

        【SAS程序說(shuō)明】decomp選項(xiàng)要求進(jìn)行各種總體效果分解。mediator語(yǔ)句指定響應(yīng)變量LowBirthWgt的中介模型。模型語(yǔ)句指定了響應(yīng)變量“死亡與否”的結(jié)果模型,并假設(shè)低出生體重和吸煙之間存在交互作用。class語(yǔ)句命名分析中的分類(lèi)變量,降序選項(xiàng)(即descending)建模兩個(gè)響應(yīng)的最后一級(jí)概率(Death=Yes和 LowBirthWgt=Yes)。covar語(yǔ)句指定了5個(gè)協(xié)變量。最后,兩個(gè)evaluate語(yǔ)句指定了中介變量的水平,以比較其因果中介效應(yīng)的模式。

        【SAS主要輸出結(jié)果及解釋】第一部分輸出結(jié)果見(jiàn)表2。表2顯示了優(yōu)勢(shì)比量表和多余相對(duì)風(fēng)險(xiǎn)量表對(duì)嬰兒死亡率效應(yīng)的主要分解??傂?yīng)的百分比僅顯示在多余相對(duì)風(fēng)險(xiǎn)量表上。表2的前四行總結(jié)了對(duì)優(yōu)勢(shì)比量表的效應(yīng)。該量表的受控直接效應(yīng)(controlled direct effect,CDE)為1.894,當(dāng)中介變量LowBirthWgt被控制在水平No時(shí),該數(shù)值就是CDE的值。換言之,這是正常出生體重組的CDE的優(yōu)勢(shì)比。相應(yīng)的置信區(qū)間為(1.200~2.588)。優(yōu)勢(shì)比量表上的自然直接效應(yīng)(natural direct effect,NDE)和自然間接效應(yīng)(natural indirect effect,NIE)分別為1.363和1.253。它們的乘積與優(yōu)勢(shì)比量表上的總效應(yīng)相同,即1.707。表2的后七行總結(jié)了對(duì)多余相對(duì)風(fēng)險(xiǎn)量表的效應(yīng)。自然直接效應(yīng)(0.363)和自然間接效應(yīng)(0.345)在此量表上具有加性;總多余相對(duì)風(fēng)險(xiǎn)為0.707。可加性使得使用這些值更容易推斷“中介變量所占百分比”,即48.717%。因此,大約50%的吸煙對(duì)嬰兒死亡率的效應(yīng)是通過(guò)降低嬰兒出生體重來(lái)實(shí)現(xiàn)的。然而,“中介變量所占百分比”的95%置信區(qū)間相當(dāng)寬(29.329%~68.104%),更大的樣本含量將產(chǎn)生更精確的區(qū)間估計(jì)。吸煙與低出生體重之間的交互作用所產(chǎn)生的總效應(yīng)的百分比約為8%,這一比例相對(duì)較小。同樣,相應(yīng)的95%置信區(qū)間相當(dāng)寬(-30.762%~47.002%)。

        表2 對(duì)嬰兒死亡率效應(yīng)的匯總Table 2 Summary of effects on infant mortality

        第二部分輸出結(jié)果見(jiàn)表3,它由proc causalmed過(guò)程步語(yǔ)句中的decomp選項(xiàng)要求進(jìn)行各種總效應(yīng)分解。目前,所有這些分解都是根據(jù)多余相對(duì)風(fēng)險(xiǎn)尺度計(jì)算的[6]。

        表3 吸煙對(duì)嬰兒死亡率效應(yīng)的分解Table 3 Decompositions of smoking effects on infant mortality

        第三部分輸出結(jié)果見(jiàn)表4,是由proc causalmed過(guò)程步根據(jù)其對(duì)多余相對(duì)風(fēng)險(xiǎn)量表中總效應(yīng)的貢獻(xiàn)百分比進(jìn)行相應(yīng)的分解所得的結(jié)果。表4中的四因子條目顯示,總效應(yīng)的45.910%既不歸因于交互作用也不歸因于中介作用(“受控直接”),5.380%歸因于參考交互作用但不歸因于中介作用,2.740%歸因于中介作用與交互作用,45.970%歸因于中介作用但不歸因于交互作用。在標(biāo)記為“CDE+PIE+PAI”的三向分解中,歸因于交互作用的總效應(yīng)百分比約為8.120%,這不是很大,但也不可忽略。請(qǐng)注意,此表中的一些置信區(qū)間從負(fù)值到正值不等,表明相應(yīng)的點(diǎn)估計(jì)可能不準(zhǔn)確。

        表4 吸煙對(duì)嬰兒死亡率影響的百分比分解Table 4 Percentage decomposition of smoking effects on infant mortality

        第四部分輸出結(jié)果見(jiàn)表5,它是第“3.2”節(jié)中proc causalmed過(guò)程步程序中第一個(gè)evaluate語(yǔ)句產(chǎn)生的輸出結(jié)果,即當(dāng)中介變量LowBirthWgt設(shè)置為Yes水平時(shí)的主要效應(yīng)和百分比。表5中,優(yōu)勢(shì)比CDE(針對(duì)低出生體重組進(jìn)行評(píng)估)為1.092,相應(yīng)的95%置信區(qū)間為(0.780~1.404)。

        表5 低出生體重組吸煙效應(yīng)的匯總Table 5 Summary of smoking effects for the low birth-weight group

        第五部分輸出結(jié)果見(jiàn)表6,它是第“3.2”節(jié)中proc causalmed過(guò)程步程序中第二個(gè)evaluate語(yǔ)句產(chǎn)生的輸出結(jié)果,即當(dāng)中介變量LowBirthWgt設(shè)置為No水平時(shí)的主要效應(yīng)和百分比。表6中,優(yōu)勢(shì)比CDE(針對(duì)正常出生體重組進(jìn)行評(píng)估)為1.894,相應(yīng)的95%置信區(qū)間為(1.200~2.588)。

        表6 正常出生體重組吸煙效應(yīng)的匯總Table 6 Summary of smoking effects for the normal birth-weight group

        4 討論與小結(jié)

        4.1 討論

        在基于proc causalmed過(guò)程進(jìn)行因果中介效應(yīng)分析時(shí),涉及4類(lèi)變量,即結(jié)果變量、處理變量、中介變量和協(xié)變量。需要將結(jié)果變量放置在model語(yǔ)句的等號(hào)左邊,其他變量(包括中介變量與處理變量之間的交互作用項(xiàng))放置在model語(yǔ)句的等號(hào)右邊;需要將中介變量放置在mediator語(yǔ)句的等號(hào)左邊,等號(hào)右邊只能放置處理變量;所有的協(xié)變量都必須放置在cover語(yǔ)句中,以列表的形式呈現(xiàn),協(xié)變量之間至少保留一個(gè)空格,也允許列出某些協(xié)變量之間的交互作用項(xiàng),例如,C1|C2,它等價(jià)于:C1 C2 C1*C2。通常情況下,變量的類(lèi)型為二值變量或連續(xù)性變量,所有的二值變量必須通過(guò)class語(yǔ)句予以聲明,不出現(xiàn)在class語(yǔ)句中的變量都被視為連續(xù)性變量。

        4.2 小結(jié)

        本文介紹了因果中介效應(yīng)分析中涉及的兩個(gè)新評(píng)價(jià)指標(biāo)(OR和ERR)以及設(shè)置變量水平的選項(xiàng)和多模態(tài)協(xié)變量。針對(duì)一個(gè)實(shí)例,采用SAS實(shí)現(xiàn)了以優(yōu)勢(shì)比和多余相對(duì)危險(xiǎn)度為評(píng)價(jià)指標(biāo)的因果中介效應(yīng)分析,給出了詳細(xì)的輸出結(jié)果,并對(duì)結(jié)果作出了解釋。

        猜你喜歡
        模態(tài)效應(yīng)水平
        張水平作品
        鈾對(duì)大型溞的急性毒性效應(yīng)
        懶馬效應(yīng)
        加強(qiáng)上下聯(lián)動(dòng) 提升人大履職水平
        應(yīng)變效應(yīng)及其應(yīng)用
        國(guó)內(nèi)多模態(tài)教學(xué)研究回顧與展望
        基于HHT和Prony算法的電力系統(tǒng)低頻振蕩模態(tài)識(shí)別
        由單個(gè)模態(tài)構(gòu)造對(duì)稱簡(jiǎn)支梁的抗彎剛度
        做到三到位 提升新水平
        多模態(tài)話語(yǔ)模態(tài)的協(xié)同及在外語(yǔ)教學(xué)中的體現(xiàn)
        91精品福利观看| 大尺度无遮挡激烈床震网站 | 亚洲精品中文字幕二区| AV无码系列一区二区三区| 国产一区二区毛片视频| 日韩精品视频高清在线| 久久久无码精品亚洲日韩蜜臀浪潮| 真实国产乱啪福利露脸| 日韩亚洲欧美精品| 中文字幕日韩精品永久在线| 国产av久久久久精东av| 无码中文字幕免费一区二区三区| 亚洲av无码成人yellow| 天天草夜夜草| 国产精品毛片99久久久久| 久久国产精品av在线观看| 久久精品国产亚洲av蜜点| 丁香婷婷激情综合俺也去| 成人无码α片在线观看不卡| 日本一本久道| 亚洲熟妇av日韩熟妇av| 日韩精品久久午夜夜伦鲁鲁| 亚洲国产精品美女久久| 欧美黑寡妇特a级做爰| 无码人妻品一区二区三区精99| 国产日韩亚洲欧洲一区二区三区| 亚洲一码二码在线观看| 日本女同性恋一区二区三区网站| 久久99精品久久久久久噜噜| 东北女人毛多水多牲交视频| 国产污污视频| av网站一区二区三区| 噜噜噜噜私人影院| 国产乱人伦偷精品视频| 亚洲AV无码中文AV日韩A| 在线精品首页中文字幕亚洲| 久久精品麻豆日日躁夜夜躁| 乱中年女人伦av三区| 美国黄色av一区二区| 欧美又粗又长又爽做受| 麻豆精品久久久久久久99蜜桃 |