基于Cox比例风险回归模型的样本量估算

来源 :中山大学 | 被引量 : 0次 | 上传用户:mcx1988929
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
样本量计算在临床试验设计或者调查中至关重要,合适的样本量可以提供合理的功效来检测临床上有显著意义的差别。为保证假设检验的结论可靠性高,常常需要一定规模的样本量。而在实际操作时,样本量太大会造成研究对象,金钱,以及时间等人力,物力资源的浪费,而若样本量太小,则对研究的危害更严重,因此样本量估计在实验设计中是非常重要的。 目前,生存分析中Cox比例风险回归模型研究所需要的样本量往往靠经验来估计,特别当涉及到生存分析中常见的删失数据时,往往不够准确,甚至可能导致错误的结论。 本文在对F.Y.Hsieh等人关于检验一个连续协变量和李俊关于检验多个二分类变量情况的样本量估算总结的基础上,利用记分检验统计量,提出了Cox比例风险回归模型中多个协变量的全局检验所需的样本量公式,同时将之推广,利用部分记分检验统计量,提出了在Cox回归模型中同时检验多个协变量所需要的样本量公式。并用蒙特卡罗模拟,对公式进行功效分析。实验结果表明,此样本量公式有很好的适用性。
其他文献
医药企业所面对的顾客是一个复杂的群体,面临的市场越来越广阔而复杂,任何企业无论规模如何,都不能满足整个医药市场的全部需求。因此,在对市场需求预测的基础上,将整个市场划分若
21世纪,人们已经进入到高速发展的信息时代。我们每天都面对海量的数据,这些蕴含大量信息的海量数据给机器学习、数据挖掘和计算机视觉等领域带来了严峻的挑战。聚类分析是数
遥感图像放大是近年来遥感图像处理的研究热点,在军事、医疗、农业和航天等领域有广泛的应用。本文以偏微分方程模型(PDE)为基础,对遥感图像放大的相关问题进行研究,提出两种有效的遥感图像放大算法:基于改进自蛇模型的自适应PDE遥感图像放大算法和基于稀疏编码的PDE放大算法。主要创新点表现在以下方面:1.提出一种基于改进自蛇模型和正则项混合的自适应PDE遥感图像放大模型。在对Tikhonov正则项和传统
Hilbert—Huang变换(Hilbert—Huang Transform,HHT)由美国工程院院士Huang及其合作者提出来的一种新的处理非平稳信号的方法,该方法的主要贡献是本征模态函数(Intrinsic Mode Fun
本篇硕士论文主要讨论的是采用FFT方法和Lomb—Scargle方法对模拟信号的周期进行检测。众所周知,时间序列的周期表达式对基因工程来说,意义十分重大,我们通常应用FFT算法实现对
为提高光设法解决的 potentiometric 传感器(臀部) 并且进一步的反应改进它的信号 -- 噪音比率(SNR ) ,一个光集中方法被采用。试验性的研究和理论分析表明应答的信号的大小被
我国幅员辽阔,各地区的经济发展不平衡,各个城市的发展水平也不平衡,本文选取了全国36个省会城市和计划单列市作为研究考察对象,这36个城市是我国具有战略意义的重要城市,在国家和
粗集理论是一种处理不确定和不精确性问题的新型数学工具。它是在1982年被波兰数学家Z.Pawlak首次提出的,其主要思想是在保持分类能力不变的前提下,通过知识约简,导出问题的决策
分形理论是非线性科学研究中十分活跃的一个分支,现在已被广泛应用于各个学科领域。本文主要研究时间序列的分形性质。首先,我们研究了线性和非线性多项式滤波对时间序列信号的
蒙特卡洛方法是通过不断产生随机数序列来模拟过程。它是通过产生随机数来实现的,所以计算出的问题的解存在一定的误差,所以用蒙特卡洛方法求解问题最好加入误差分析,以便可以求