Questions tagged «absolute-risk»

2
您如何解释相对风险和绝对风险之间的区别?
前几天,我与流行病学家进行了会诊。她是一名拥有流行病学公共卫生学位的医学博士,并且具有大量的统计知识。她指导她的研究员和居民,并帮助他们解决统计问题。她非常了解假设检验。她有一个比较两组的典型问题,以查看与充血性心力衰竭(CHF)相关的风险是否存在差异。她测试了获得CHF的受试者比例的平均差异。p值为0.08。然后,她还决定查看相对风险,得出p值为0.027。因此她问为什么一个重要,而另一个不重要。通过查看差异的95%双向置信区间和比率,她发现平均差异区间包含0,但比率的置信上限小于1。所以为什么我们得出不一致的结果。在技​​术上正确的情况下,我的回答并不令人满意。我说:“这些是不同的统计数据,可以得出不同的结果。p值都在边际有效范围内。这很容易发生。” 我认为必须有更好的方法以外行的方式回答医师问题,以帮助他们了解测试相对风险与绝对风险之间的区别。在Epi研究中,这个问题出现了很多,因为他们经常关注罕见事件,两组的发生率都非常小,样本量不是很大。我已经考虑了一下,并提出了一些想法。但是首先,我想听听你们中的一些人将如何处理这个问题。我知道你们中许多人在医疗领域工作或咨询,可能已经遇到了这个问题。你会怎么做?

1
PROC Mixed和LME / LMER在R自由度上的区别
注意:这个问题是一个转贴,因为我的上一个问题出于法律原因不得不删除。 在比较SAS的PROC MIXED与R中lme的nlme软件包的功能时,我偶然发现了一些相当混乱的差异。更具体地说,不同测试的自由度在PROC MIXED和之间有所不同lme,我想知道为什么。 从以下数据集(以下给出的R代码)开始: ind:指示进行测量的个人的因子 fac:进行测量的器官 trt:表示治疗的因素 y:一些连续响应变量 这个想法是建立以下简单模型: y ~ trt + (ind):ind作为随机因子 y ~ trt + (fac(ind)):fac嵌套在ind作为随机因子 需要注意的是最后一个模型应引起奇异性,因为只有1的值y对每一个组合ind和fac。 第一模型 在SAS中,我建立以下模型: PROC MIXED data=Data; CLASS ind fac trt; MODEL y = trt /s; RANDOM ind /s; run; 根据教程,R中使用的相同模型nlme应为: > require(nlme) > options(contrasts=c(factor="contr.SAS",ordered="contr.poly")) > m2<-lme(y~trt,random=~1|ind,data=Data) 两种模型对系数及其SE均给出相同的估计,但是在对F的影响进行F检验时trt,它们使用的自由度不同: SAS : Type …
12 r  mixed-model  sas  degrees-of-freedom  pdf  unbiased-estimator  distance-functions  functional-data-analysis  hellinger  time-series  outliers  c++  relative-risk  absolute-risk  rare-events  regression  t-test  multiple-regression  survival  teaching  multiple-regression  regression  self-study  t-distribution  machine-learning  recommender-system  self-study  binomial  standard-deviation  data-visualization  r  predictive-models  pearson-r  spearman-rho  r  regression  modeling  r  categorical-data  data-visualization  ggplot2  many-categories  machine-learning  cross-validation  weka  microarray  variance  sampling  monte-carlo  regression  cross-validation  model-selection  feature-selection  elastic-net  distance-functions  information-theory  r  regression  mixed-model  random-effects-model  fixed-effects-model  dataset  data-mining 
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.