衛(wèi)生統(tǒng)計方法與應(yīng)用進(jìn)展（第2卷）

內(nèi)容概要

　　《衛(wèi)生統(tǒng)計方法與應(yīng)用進(jìn)展（第2卷）》重點介紹：近年來在醫(yī)學(xué)衛(wèi)生研究中所應(yīng)用的衛(wèi)生統(tǒng)計的新理論和新方法，全卷共有10章，各章相對獨立。內(nèi)容包括Cox比例風(fēng)險模型、生物信息分析統(tǒng)計方法、非經(jīng)典條件下的回歸分析方法、結(jié)構(gòu)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(shù)據(jù)挖掘、Bayes統(tǒng)計方法等。每章在介紹方法的基礎(chǔ)上大多附有實際例子和計算機(jī)程序，使讀者了解方法的意義和實際應(yīng)用?！缎l(wèi)生統(tǒng)計方法與應(yīng)用進(jìn)展（第2卷）》各章內(nèi)容相對獨立，具有一定的實用性、先進(jìn)性和新穎性，期望《衛(wèi)生統(tǒng)計方法與應(yīng)用進(jìn)展（第2卷）》能夠不斷更新基層衛(wèi)生統(tǒng)計工作者、科研人員以及碩士、博士研究生的衛(wèi)生統(tǒng)計知識，提高衛(wèi)生統(tǒng)計水平，對我國的衛(wèi)生統(tǒng)計理論、方法和應(yīng)用的交流有所推動和促進(jìn)。

書籍目錄

第一章 Cox比例風(fēng)險模型的發(fā)展與應(yīng)用第一節(jié) Cox比例風(fēng)險模型一、Cox比例風(fēng)險模型的結(jié)構(gòu)二、參數(shù)估計三、關(guān)于參數(shù)的解釋四、變量的不同編碼方式對參數(shù)估計值的影響第二節(jié) 比例風(fēng)險性質(zhì)的判別一、比例風(fēng)險的性質(zhì)二、比例風(fēng)險的生存概率曲線識別法三、比例風(fēng)險的參數(shù)識別法四、比例風(fēng)險的殘差分析法第三節(jié) 非比例風(fēng)險的Cox模型配合一、配合協(xié)變量與時間交互作用模型（時依系數(shù)法）二、配合帶時依協(xié)變量的Cox模型（分段模型）三、非比例風(fēng)險的分層分析法第四節(jié) 多次事件的生存分析一、多次事件的資料結(jié)構(gòu)二、各種整理模式下的模型結(jié)構(gòu)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(tǒng)計方法第一節(jié) 生物信息學(xué)概述一、生物信息學(xué)研究現(xiàn)狀與發(fā)展趨勢二、生物信息學(xué)的生物內(nèi)涵三、生物信息學(xué)的信息學(xué)內(nèi)涵四、生物信息學(xué)研究和發(fā)展中的交叉學(xué)科和大科學(xué)特點第二節(jié) 序列比較方法一、數(shù)據(jù)庫搜索簡介二、序列相似性定義三、序列類似性的統(tǒng)計顯著性四、算法的敏感性與準(zhǔn)確度（選擇性）五、有空隔配準(zhǔn)的BLAST程序與位置特異的迭代BLAST程序第三節(jié) 基因芯片的統(tǒng)計分析方法一、基因芯片二、基于基因芯片的數(shù)據(jù)挖掘及可視化三、基因轉(zhuǎn)錄調(diào)控網(wǎng)絡(luò)分析第四節(jié) 蛋白質(zhì)序列模式和序列結(jié)構(gòu)域摸式一、基準(zhǔn)序列（序列模式）：標(biāo)紋、標(biāo)志、指紋和位點二、序列結(jié)構(gòu)與模式匹配方法第三章 非經(jīng)典條件下的若干回歸分析方法第一節(jié) 穩(wěn)健回歸方法一、穩(wěn)健統(tǒng)計的基本理論二、穩(wěn)健回歸方法進(jìn)展三、應(yīng)用實例及軟件實現(xiàn)第二節(jié) 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(tài)性三、應(yīng)用實例及軟件實現(xiàn)第三節(jié) 非參數(shù)回歸與廣義可加模型一、非參數(shù)回歸的基本方法二、偏倚-方差權(quán)衡和光滑參數(shù)的選擇三、可加模型四、廣義可加模型五、應(yīng)用實例及軟件實現(xiàn)第四章 結(jié)構(gòu)方程模型第一節(jié) 前言第二節(jié) 結(jié)構(gòu)方程模型中的幾個基本概念第三節(jié) 結(jié)構(gòu)方程模型中的兩類子模型第四節(jié) 路徑圖及SEM的協(xié)方差結(jié)構(gòu)第五節(jié) 結(jié)構(gòu)方程模型的分析步驟第六節(jié) 結(jié)構(gòu)方程模型中的模型識別第七節(jié) 結(jié)構(gòu)方程模型分析軟件第八節(jié) 結(jié)構(gòu)方程模型參數(shù)估計第九節(jié) 結(jié)構(gòu)方程模型的擬合度評價第十節(jié) 結(jié)構(gòu)方程模型的修正第十一節(jié) 應(yīng)用實例第五章 廣義估計方程和多水平模型第一節(jié) 廣義估計方程一、GEE模型簡介二、幾種常見的組內(nèi)相關(guān)矩陣三、GEE的參數(shù)估計四、GEE在生物醫(yī)學(xué)領(lǐng)域中的應(yīng)用五、其他應(yīng)用第二節(jié) 多水平模型一、多水平模型簡介二、多水平模型的參數(shù)估計三、多水平logist。ic模型四、多水平probit模型及余重對數(shù)模型五、多水平Poisson模型六、多類結(jié)果及有序結(jié)果的多水平logistic回歸七、多元重復(fù)測量資料的多水平模型第三節(jié) 廣義估計方程與多水平模型的正確應(yīng)用一、GEE中作業(yè)相關(guān)矩陣的選擇二、關(guān)于缺失數(shù)據(jù)三、GEE與多水平模型的比較四、GEE與多水平模型的軟件實現(xiàn)第六章 Bootstrap方法及其應(yīng)用第一節(jié) 發(fā)展簡史第二節(jié) 基本思想第三節(jié) 與傳統(tǒng)方法的比較一、Bootstrap區(qū)間估計二、Bootstrap假設(shè)檢驗第四節(jié) 在生物醫(yī)學(xué)領(lǐng)域的應(yīng)用一、主成分的可信區(qū)間估計二、可加性logistic回歸模型參數(shù)的估計三、臨床試驗中生物等效性檢驗第五節(jié) Bootstrap方法的正確應(yīng)用一、Bootstrap方法的資料要求二、E]ootstrap的誤差與自舉樣本數(shù)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(yīng)用第一節(jié) 發(fā)展簡史第二節(jié) 基本思想和實施步驟一、基本思想二、買施步驟第三節(jié) Permutation檢驗與傳統(tǒng)方法的比較一、在一元分析中的應(yīng)用二、在多元分析中的應(yīng)用第四節(jié) 在生物醫(yī)學(xué)領(lǐng)域中的應(yīng)用一、微陣列數(shù)據(jù)分析中的應(yīng)用二、臨床試驗資料分析中的應(yīng)用第五節(jié) Permutation檢驗的正確應(yīng)用一、Permutation含義和特點二、檢驗統(tǒng)計量與模擬次數(shù)三、應(yīng)用前景第八章 MonteCarlo方法及其在醫(yī)學(xué)中的應(yīng)用第一節(jié) 簡介第二節(jié) 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方法的適用范圍第三節(jié) 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(yōu)缺點第四節(jié) 隨機(jī)數(shù)和偽隨機(jī)數(shù)一、隨機(jī)數(shù)及其性質(zhì)二、產(chǎn)生隨機(jī)數(shù)的方法三、偽隨機(jī)數(shù)的獨立性和均勻性四、偽隨機(jī)數(shù)的產(chǎn)生方法第五節(jié) 常用的MonteCarlo抽樣方法一、連續(xù)型變量的抽樣方法二、離散型變量的抽樣方法三、特殊的抽樣方法四、多維隨機(jī)變量的抽樣五、關(guān)于正態(tài)分布的抽樣第六節(jié) MonteCarlo方法在醫(yī)學(xué)上的應(yīng)用一、回歸分析中的應(yīng)用二、飲食暴露評價三、生物醫(yī)學(xué)現(xiàn)象(過程)的直接模擬四、疾病預(yù)防與監(jiān)測中抽樣方案的考查五、藥物的臨床實驗六、應(yīng)用中的注意事項第九章 數(shù)據(jù)挖掘技術(shù)及其應(yīng)用第一節(jié) 數(shù)據(jù)挖掘概述一、數(shù)據(jù)挖掘的定義和范疇二、數(shù)據(jù)挖掘的特點三、數(shù)據(jù)挖掘算法的基本要求四、數(shù)據(jù)挖掘的過程第二節(jié) 概念描述：一、概念描述的生成過程二、概念分層三、數(shù)據(jù)泛化第三節(jié) 數(shù)據(jù)挖掘基礎(chǔ)數(shù)學(xué)理論一、基于概率論和數(shù)理統(tǒng)計的數(shù)據(jù)挖掘二、模糊理論三、粗糙集理論四、不確定性理論的關(guān)系第四節(jié) 數(shù)據(jù)挖掘最優(yōu)化理論一、模擬退火算法二、人工神經(jīng)元模型三、進(jìn)化算法(evolutionaryalgorithm)四、蟻群算法(antcolonyalogrithm)五、支持向量機(jī)六、SA、ANN、EA、ACA、SVM的比較第五節(jié) 分類方法一、基于數(shù)理統(tǒng)計的分類算法二、基于機(jī)器學(xué)習(xí)的分類算法第六節(jié) 聚類方法一、聚類分析概述二、聚類處理的數(shù)據(jù)結(jié)構(gòu)三、相似性測度四、聚類算法種類五、典型聚類方法第七節(jié) 關(guān)聯(lián)規(guī)則一、基本概念二、關(guān)聯(lián)規(guī)則挖掘算法三、基于興趣度的關(guān)聯(lián)規(guī)則挖掘第十章 Bayes統(tǒng)計方法應(yīng)用第一節(jié) 概述一、Bayes定理二、Bayes統(tǒng)計對信息的利用三、先驗分布的選擇與確定四、Bayes統(tǒng)計推斷五、Bayes統(tǒng)計學(xué)與經(jīng)典統(tǒng)計學(xué)的聯(lián)系第二節(jié) 使用MCMC方法解決Bayes統(tǒng)計計算問題一、Bayes統(tǒng)計學(xué)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(jié) Bayes統(tǒng)計分析軟件——WinBUGS一、構(gòu)造統(tǒng)計模型二、迭代收斂性的診斷三、WinBUGS一般操作第四節(jié) 應(yīng)用實例一、對各醫(yī)院心臟手術(shù)死亡率的估計二、一般線性回歸三、logistic回歸四、meta分析五、應(yīng)用Cox回歸進(jìn)行生存分析

編輯推薦

《衛(wèi)生統(tǒng)計方法與應(yīng)用進(jìn)展(第2卷)》由人民衛(wèi)生出版社出版。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    衛(wèi)生統(tǒng)計方法與應(yīng)用進(jìn)展（第2卷） PDF格式下載

---