目的:新型冠状病毒肺炎疫情已经成为全球关注的公共卫生问题，其潜伏期等流行病学特征尚不明确，本研究旨在对新型冠状病毒肺炎的潜伏期分布进行估计。方法:收集各省份卫生健康委员会官方发布信息平台的确诊病例暴露与发病信息，利用区间删失数据估计方法，基于Log-normal、Gamma和Weibull分布，对新型冠状病毒肺炎的潜伏期分布进行估计。结果:本研究共收集确诊病例109例，平均年龄为39.825岁。基于Log-normal分布的潜伏期 M＝4.938（ P25～ P75：3.451～7.304）d，Gamma分布的潜伏期 M＝5.064（ P25～ P75：3.489～7.301）d，Weibull分布的潜伏期 M＝5.678（ P25～ P75：3.653～7.666）d。Gamma分布的对数似然函数值最大。 结论:COVID-19的潜伏期服从Gamma分布，基于区间删失数据的估计方法可用于传染病潜伏期分布的估计。

目的:研究新型冠状病毒（新冠病毒）感染疫情的Omicron变异株BA.5.1.3亚型的潜伏期。方法:基于315例新冠病毒感染者流行病学调查数据，根据区间删失数据的特点，采用log-normal和Gamma两种分布估计潜伏期，利用离散时间马尔科夫链蒙特卡罗算法对分布函数的参数进行贝叶斯估计。结果:315例感染者年龄（42.01±16.54）岁，男性占30.16%。其中156例报告了症状出现时间，年龄（41.65±16.32）岁，log-normal和Gamma分布估计发病潜伏期 M（ Q1， Q3）分别为2.53（1.86，3.44）d及2.64（1.91，3.52）d；估计感染潜伏期 M（ Q1， Q3）分别为2.45（1.76，3.40）d及2.57（1.81，3.52）d。 结论:基于log-normal和Gamma分布进行贝叶斯估计的潜伏期接近，潜伏期最佳分布均为Gamma分布，感染潜伏期与发病潜伏期 M相差较小，Omicron变异株BA.5.1.3亚型比以往的Omicron变异株的潜伏期 M更短。

目的 构建一种处理混合相依删失数据的非参数比例风险(PH)模型,探讨心脏移植手术风险与风险因子直接的关系并预测心脏移植手术风险.方法 基于混合相依区间删失数据的复杂性,考虑失效时间过程与观测时间过程的相依关系,假设风险因子与心脏移植手术风险存在非线性函数关系,建立具有非参数结构的比例风险模型,并给出两步Sieve估计极大似然算法.根据观测过程模型建立估计方程,获得脆弱变量的估计;再分别利用I-样条和B-样条去近似基准风险函数和非参数结构函数,获得Sieve空间中的工作似然函数,对于模型参数求偏导获得得分方程;最后通过求解方程获得参数的极大似然估计,绘制风险因子影响心脏移植手术风险的函数曲线.结果 模拟研究揭示了各种设置下所提方法获得的估计量是相合的且渐近有效的,同时获得很好的参数拟合曲线.心脏移植手术数据分析结果显示,心脏供体的年龄对患者手术风险影响呈现正向线性关系,患者(受体)发病年龄影响先增大后平稳,最后有缓慢增大,供体与受体的年龄差对患者手术风险影响呈现正向线性关系.结论 本研究建立了一个可分析复杂相依删数据的非参数PH模型,该模型应用于分析预测心脏移植手术风险,通过模型可探索出心脏移植手术风险与风险因子之间的函数关系.

目的 回顾和评估COVID-19 潜伏期分布估计的统计学方法,为有效、快速、准确地收集和分析潜伏期数据提供参考和借鉴.方法 利用COVID-19 疫情早期发表的数据,比较分析单区间删失、双区间删失和随机过程三类方法不同分布假设下获得的COVID-19 潜伏期分布最大似然估计和贝叶斯估计.结果 同类方法不同分布假设间,非参数方法要比参数方法拟合效果更好,但非参数方法存在较多的跳跃点,且无法获得估计的 95%置信区间;同类方法相同分布假设条件下,最大似然估计与贝叶斯估计结果和拟合效果相近;同类方法的对数正态假设条件下获得的潜伏期分布的大分位数(>90%分位数)可能较大地偏离非参数估计结果;从数据利用的角度,双区间删失方法对数据的利用率最高;由于数据收集和利用的差异,不同方法得到的潜伏期分布估计可能存在较大差异.结论 采用双区间删失观测的参数模型获取传染病潜伏期分布的最大似然估计,可提高数据的收集、利用和分析效率;仔细比较不同分布假设下参数模型和非参数模型的结果,并谨慎解释潜伏期大分位数的估计结果,将有利于作出正确的防控决策.

目的 以冠心病预后复发的潜在危险因素研究为背景,探讨在含有区间删失生存数据的情况下,贝叶斯比例风险模型的建立和应用.方法 采用单调样条构造基线累积风险函数、基于两阶段泊松过程的数据扩增构造似然函数、运用Gibbs抽样进行后验分布的计算等完成区间删失数据建立贝叶斯比例风险模型参数估计.将方法应用于冠心病预后危险因素的研究,采用R软件中的"ICBayes"包来实现这一过程.结果 本研究中发现与冠心病患者预后复发相关的危险因素为糖尿病(HR ＝1. 60,95%CI:[1. 27,2. 01 ]),保护性因素为早发型冠心病(HR ＝0. 52,95%CI:[0. 44, 0. 61]).回归系数的区间宽度小于简单填补法估计结果.结论 相较于常规填补,本文所应用的贝叶斯比例风险模型是对区间删失数据进行分析的一种有效方法.随访结果表明,相较于晚发冠心病患者,早发型冠心病患者的预后效果较好;合并有糖尿病的患者是心血管事件再发的危险因素."ICBayes"包能方便有效地应用于区间删失数据下贝叶斯比例风险模型的估计.

目的 针对区间删失生存数据的分析研究,提出限制平均生存时间(restricted mean survival time,RMST)的估计和两组比较检验.方法 利用修正EM算法进行迭代并得到生存率估计值,并基于此估计值构建RMST检验统计量求得P值,通过Monte-Carlo模拟验证其统计性能.结果 本文提出的区间删失生存数据中RMST检验法的Ⅰ类错误在0.05附近波动,且其检验效能与现有常用方法Sun模型相当.结论 针对区间删失生存数据的组间比较,本文提出RMST检验法不仅准确估计各组生存率,且通过计算RMST能够直观解释组间差异大小并由此作出统计推断,具有较好的统计性能,为临床研究者和病人提供决策依据.

目的 研究基于bootstrap抽样的期望最大化算法(EMB)的多重填补方法在横断面健康体检定量变量缺失数据的填补效果,为健康体检数据选择恰当的多重填补方法提供相关依据.方法 基于人群横断面健康体检实测数据,采用EMB法多重填补法,应用R 3.5.0统计软件中的Amelia Ⅱ程序包对2013年1-12月在陕西省西安市西京医院健康体检中心进行常规体检的1 634名员工的健康体检数据进行多重填补分析.结果 对于横断面定量健康体检资料,在单变量缺失率分别为＜10％、20％和70％3种随机缺失情况下,EMB多重填补法相对于列表删除法其估计误差均降低;基于相同数据,EMB多重填补次数不同,资料的填补效果不同,本研究资料较为合适的填补次数为m=10次;填补前后概率密度曲线分布图显示,填补次数m=10时多重填补值与实际观察值的概率密度曲线图吻合程度较好;变量过拟合诊断图进一步显示,填补次数m=10时各变量大多数观测值的90％ CI包含了其最佳拟合线,且其可信区间较窄;基于列表删除法和EMB多重填补法处理后的2个不同分析数据集分别构建的多因素回归模型中包含的变量不同.结论 对于不同缺失率随机缺失的定量变量,EMB多重填补法的填补效果均优于列表删除法;不同缺失资料的最优填补次数不同.