衛生統計方法與應用進展
衛生統計方法與應用進展
第一節 第一節 第一節
出版社: 人民衛生; 第1版 (2008年3月1日)
精裝: 316頁
ISBN: 7117093811, 9787117093811
條形碼: 9787117093811
尺寸: 29 x 21.6 x 1.8 cm
重量: 880 g
《衛生統計方法與應用進展(第2卷)》重點介紹近年來在醫學衛生研究中所應用的衛生統計的新理論和新方法，全卷共有10章，各章相對獨立。內容包括Cox比例風險模型、生物信息分析統計方法、非經典條件下的回歸分析方法、結構方程模型、廣義估計方程和多水平模型、Bootstrap方法，Permutation檢驗、Monte Carlo方法、數據挖掘、Bayes統計方法等。每章在介紹方法的基礎上大多附有實際例子和計算機程序，使讀者了解方法的意義和實際應用。《衛生統計方法與應用進展(第2卷)》各章內容相對獨立，具有一定的實用性、先進性和新穎性，期望《衛生統計方法與應用進展(第2卷)》能夠不斷更新基層衛生統計工作者、科研人員以及碩士、博士研究生的衛生統計知識，提高衛生統計水平，對我國的衛生統計理論、方法和應用的交流有所推動和促進。
第一章 Cox比例風險模型的發展與應用
第一節 Cox比例風險模型
一、Cox比例風險模型的結構
二、參數估計
三、關於參數的解釋
四、變數的不同編碼方式對參數估計值的影響
第二節 比例風險性質的判別
一、比例風險的性質
二、比例風險的生存概率曲線識別法
三、比例風險的參數識別法
四、比例風險的殘差分析法
第三節 非比例風險的Cox模型配合
一、配合協變數與時間交互作用模型（時依係數法）
二、配合帶時依協變數的Cox模型（分段模型）
三、非比例風險的分層分析法
第四節 多次事件的生存分析
一、多次事件的資料結構
二、各種整理模式下的模型結構
三、多次事件資料的模型配合過程
四、多種事件的分析
第二章 生物信息分析統計方法
第一節 生物信息學概述
一、生物信息學研究現狀與發展趨勢
二、生物信息學的生物內涵
三、生物信息學的信息學內涵
四、生物信息學研究和發展中的交叉學科和大科學特點
第二節 序列比較方法
一、資料庫搜索簡介
二、序列相似性定義
三、序列類似性的統計顯著性
四、演演算法的敏感性與準確度（選擇性）
五、有空隔配準的BLAST程序與位置特異的迭代BLAST程序
第三節 基因晶元的統計分析方法
一、基因晶元
二、基於基因晶元的數據挖掘及可視化
三、基因轉錄調控網路分析
第四節 蛋白質序列模式和序列結構域摸式
一、基準序列（序列模式）：標紋、標誌、指紋和位點
二、序列結構與模式匹配方法
第三章 非經典條件下的若干回歸分析方法
第一節 穩健回歸方法
一、穩健統計的基本理論
二、穩健回歸方法進展
三、應用實例及軟體實現
第二節 截取回歸模型
一、Tobit模型概述
二、Tobit模型的異方差性和非正態性
三、應用實例及軟體實現
第三節 非參數回歸與廣義可加模型
一、非參數回歸的基本方法
二、偏倚-方差權衡和光滑參數的選擇
三、可加模型
四、廣義可加模型
五、應用實例及軟體實現
第四章 結構方程模型
第一節 前言
第二節 結構方程模型中的幾個基本概念
第三節 結構方程模型中的兩類子模型
第四節 路徑圖及SEM的協方差結構
第五節 結構方程模型的分析步驟
第六節 結構方程模型中的模型識別
第七節 結構方程模型分析軟體
第八節 結構方程模型參數估計
第九節 結構方程模型的擬合度評價
第十節 結構方程模型的修正
第十一節 應用實例
第五章 廣義估計方程和多水平模型
第一節 廣義估計方程
一、GEE模型簡介
二、幾種常見的組內相關矩陣
三、GEE的參數估計
四、GEE在生物醫學領域中的應用
五、其他應用
第二節 多水平模型
一、多水平模型簡介
二、多水平模型的參數估計
三、多水平Logist。ic模型
四、多水平probit模型及余重對數模型
五、多水平Poisson模型
六、多類結果及有序結果的多水平logistic回歸
七、多元重複測量資料的多水平模型
第三節 廣義估計方程與多水平模型的正確應用
一、GEE中作業相關矩陣的選擇
二、關於缺失數據
三、GEE與多水平模型的比較
四、GEE與多水平模型的軟體實現
第六章 Bootstrap方法及其應用
第一節 發展簡史
第二節 基本思想
第三節 與傳統方法的比較
一、Bootstrap區間估計
二、Bootstrap假設檢驗
第四節 在生物醫學領域的應用
一、主成分的可信區間估計
二、可加性logistic回歸模型參數的估計
三、臨床試驗中生物等效性檢驗
第五節 Bootstrap方法的正確應用
一、Bootstrap方法的資料要求
二、E]ootstrap的誤差與自舉樣本數的確定
三、Bootstrap的刀切法診斷
四、Bootstrap法的偏差校正
第七章 Permutation檢驗及其應用
第一節 發展簡史
第二節 基本思想和實施步驟
一、基本思想
二、買施步驟
第三節 Permutation檢驗與傳統方法的比較
一、在一元分析中的應用
二、在多元分析中的應用
第四節 在生物醫學領域中的應用
一、微陣列數據分析中的應用
二、臨床試驗資料分析中的應用
第五節 Permutation檢驗的正確應用
一、Permutation含義和特點
二、檢驗統計量與模擬次數
三、應用前景
第八章 MonteCarlo方法及其在醫學中的應用
第一節 簡介
第二節 MonteCarlo方法的基本思想
一、MonteCarlo方法的基本原理
二、MoteCarlo方法的一般步驟
三、一個簡單的例子
四、MonteCarlo方法的適用範圍
第三節 MonteCarlo方法的收斂性和誤差
一、MonteCarlo方法的收斂性
二、MonteCarlo方法的誤差
三、減少方差的一些技巧
四、MonteCarlo方法的優缺點
第四節 隨機數和偽隨機數
一、隨機數及其性質
二、產生隨機數的方法
三、偽隨機數的獨立性和均勻性
四、偽隨機數的產生方法
第五節 常用的MonteCarlo抽樣方法
一、連續型變數的抽樣方法
二、離散型變數的抽樣方法
三、特殊的抽樣方法
四、多維隨機變數的抽樣
五、關於正態分佈的抽樣
第六節 MonteCarlo方法在醫學上的應用
一、回歸分析中的應用
二、飲食暴露評價
三、生物醫學現象(過程)的直接模擬
四、疾病預防與監測中抽樣方案的考查
五、藥物的臨床實驗
六、應用中的注意事項
第九章 數據挖掘技術及其應用
第一節 數據挖掘概述
一、數據挖掘的定義和範疇
二、數據挖掘的特點
三、數據挖掘演演算法的基本要求
四、數據挖掘的過程
第二節 概念描述：
一、概念描述的生成過程
二、概念分層
三、數據泛化
第三節 數據挖掘基礎數學理論
一、基於概率論和數理統計的數據挖掘
二、模糊理論
三、粗糙集理論
四、不確定性理論的關係
第四節 數據挖掘最優化理論
一、模擬退火演演算法
二、人工神經元模型
三、進化演演算法(evolutionaryalgorithm)
四、蟻群演演算法(antcolonyalogrithm)
五、支持向量機
第五節 分類方法
一、基於數理統計的分類演演算法
二、基於機器學習的分類演演算法
第六節 聚類方法
一、聚類分析概述
二、聚類處理的數據結構
三、相似性測度
四、聚類演演算法種類
五、典型聚類方法
第七節 關聯規則
一、基本概念
二、關聯規則挖掘演演算法
三、基於興趣度的關聯規則挖掘
第十章 Bayes統計方法應用
第一節 概述
一、Bayes定理
二、Bayes統計對信息的利用
三、先驗分佈的選擇與確定
四、Bayes統計推斷
五、Bayes統計學與經典統計學的聯繫
第二節 使用MCMC方法解決Bayes統計計算問題
一、Bayes統計學所面臨的實際困難
二、MCMC方法概述
三、使用MCMC方法需要考慮的幾個實際問題
第三節 Bayes統計分析軟體——WinBUGS
一、構造統計模型
二、迭代收斂性的診斷
三、WinBUGS一般操作
第四節 應用實例
一、對各醫院心臟手術死亡率的估計
二、一般線性回歸
三、logistic回歸
四、meta分析
五、應用Cox回歸進行生存分析