版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、在醫(yī)療研究中,研究人員利用病人的醫(yī)療記錄經(jīng)常會(huì)遇到一些數(shù)據(jù)缺失問題。這些缺失的數(shù)據(jù)中蘊(yùn)含著對(duì)醫(yī)療診斷和研究有很大價(jià)值的信息,那么如何處理醫(yī)療數(shù)據(jù)的缺失問題就成為一項(xiàng)重要的研究課題。在現(xiàn)實(shí)環(huán)境中,產(chǎn)生數(shù)據(jù)缺失的原因有很多。不同的背景下,采用不同缺失數(shù)據(jù)處理方法對(duì)統(tǒng)計(jì)分析工作有很重要的影響。傳統(tǒng)的處理方法是直接刪除含有缺失數(shù)據(jù)的醫(yī)療記錄,或默認(rèn)值處理,或完全不處理,得到的分析結(jié)果往往不是很滿意。針對(duì)不同的缺失數(shù)據(jù)問題,Little和Rubi
2、n定義了以下三種不同的數(shù)據(jù)缺失機(jī)制:完全隨機(jī)缺失(missing completely at random,MCAR);隨機(jī)缺失(missing atrandom,MAR),及信息缺失(information missing,IM)。
本文主要目的是研究信息缺失(IM)機(jī)制下的醫(yī)療數(shù)據(jù)缺失問題。通過馬爾科夫隨機(jī)數(shù)據(jù)模擬來探討三種貝葉斯模型處理缺失數(shù)據(jù)的方法,即先賦予含缺失數(shù)據(jù)的變量一個(gè)簡(jiǎn)單的先驗(yàn)分布,再進(jìn)行缺失數(shù)據(jù)填補(bǔ)的方
3、法。不失一般性,同時(shí)探討兩種多變量結(jié)構(gòu)的logistic回歸模型的數(shù)據(jù)填補(bǔ)方法。最后作為對(duì)比,檢驗(yàn)完全觀測(cè)數(shù)據(jù)分析模型和對(duì)條件的缺失進(jìn)行缺失數(shù)據(jù)處理模型的數(shù)據(jù)填補(bǔ)情況。結(jié)果表明每一種方法的偏差和均方誤差與變量的缺失率及缺失機(jī)制有關(guān),且沒有任何一種方法有很好的填補(bǔ)效果。但是,假設(shè)先賦予缺失變量一個(gè)簡(jiǎn)單的先驗(yàn)分布,且分布參數(shù)服從一致的先驗(yàn)分布,在大多數(shù)情況下都可以相對(duì)降低偏差,對(duì)于醫(yī)療研究有非常重要的意義。最后,以分析影響心臟病患者死亡率的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 數(shù)據(jù)缺失下學(xué)習(xí)貝葉斯網(wǎng)的研究.pdf
- 基于貝葉斯方法的缺失數(shù)據(jù)補(bǔ)全研究.pdf
- 貝葉斯動(dòng)態(tài)模型的模擬處理.pdf
- 帶不可忽略缺失數(shù)據(jù)的混合結(jié)構(gòu)方程模型的貝葉斯分析.pdf
- 基于缺失數(shù)據(jù)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí).pdf
- 數(shù)據(jù)缺失下基于貝葉斯網(wǎng)絡(luò)的分類方法研究.pdf
- 混合模型的貝葉斯分析.pdf
- 基于貝葉斯網(wǎng)絡(luò)的缺失臨床數(shù)據(jù)集分類技術(shù)研究.pdf
- 遙感數(shù)據(jù)處理中的動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)研究.pdf
- 競(jìng)爭(zhēng)失效模型的貝葉斯分析.pdf
- 回歸模型中的貝葉斯分析.pdf
- MA(q)模型的貝葉斯分析.pdf
- 圖模型結(jié)構(gòu)的貝葉斯分析.pdf
- 短期利率模型的貝葉斯估計(jì).pdf
- 55441.遙感數(shù)據(jù)處理中的貝葉斯網(wǎng)絡(luò)研究
- 基于數(shù)據(jù)增廣技術(shù)的非參數(shù)貝葉斯分類模型研究.pdf
- 基于貝葉斯網(wǎng)絡(luò)的數(shù)據(jù)挖掘研究.pdf
- 基于周期的貝葉斯網(wǎng)絡(luò)預(yù)測(cè)模型.pdf
- 基于貝葉斯網(wǎng)絡(luò)的預(yù)測(cè)模型研究.pdf
- 非高斯SV模型的貝葉斯估計(jì).pdf
評(píng)論
0/150
提交評(píng)論