缺失數(shù)據(jù)的貝葉斯模型處理.pdf

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