R语⾔4.重复测量连续数据：⼴义相加混合效应模型（GAMM）第 ⼆节
⼴义相加混合效应模型，是混合效应和相加模型的结合，不仅可以引进随机效应，还可以对重复测量的X(⾃变量)、t及其他协变量使⽤曲线拟合，可以满⾜上述的分析要求。本⽂主要采⽤mgcv包中gamm函数分析。 ⽂献分享
⽂献1可比价
合肥工业大学学报
这篇⽂章是基于MIMIC-III数据库2021年5⽉份发表在Frontiers in Medicine（IF=5.091分）上的⽂献。收集ARDS患者⼊院后7天内重复测量的NLR值，结局变量：30天死亡率和院内死亡率；作者①⾸先采⽤多因素Logistic回归，并拟合光滑曲线探索基线NLR与结局变量之间的相关性；②进⼀步采⽤⼴义相加混合模型（GAMM）⽤于分析死亡者和存活者之间NLR差异随时间的早期变化。The Association Between the Baseline and the Change inNeutrophil-to-Lymphocyte Ratio and Short-Term Mortality in Patients With Acute Respiratory Distress Syndrome image.png
image.png
实华开上图是：拟合平滑曲线探索基线NLR⽔平与结局变量之间的关系的结果，关于这个图是分析和绘制。
image.png
image.png
上图是：采⽤GAMM模型分析存活者与死亡者之间的NLR差异随时间（⼊ICU后第⼀周）的变化，图⽚中红⾊表⽰死亡组，蓝⾊表⽰存活组，显⽰两组患者的NLR趋势明显不同，两组之间的差异随时间⽽增加。
⽂献2
either的用法
这篇⽂章是2021年发表European Radiology的⼀个关于新冠的研究，新冠患者按症状分成重症组和轻微组，⼊院3到30天内，采⽤CT多次重复扫描肺部肺部感染量和感染总量⽐，观察两者随时间的变化和影响。Generalized additive mixed model to evaluate the association between total pulmonary infection volume and volume ratio, and clinical types, in patients with COVID-19 pneumonia: a propensity score analysis. 喷雾干燥法
atp系统
image.png
作者采⽤线性混合效应模型研究时间和症状对感染量和感染总量⽐的影响，结果见表四。同时采⽤GAMM模型研究感染量和总量⽐随时间的变化趋势，如上图所⽰。红⾊是重症组，蓝⾊是轻微组，结果：
图a是总肺部感染量随时间的影响，同时受临床类型的显着影响（交互作⽤ p =0.01）。轻微组随着时间增加⽽减少，⽽重症组患者肺部感染总量，随着时间增加每天增加14.66 cm3（95% CI：3.92 ⾄ 25.40）。
图b 肺部感染总量⽐随时间的影响，同时受到临床类型的显着影响（p表⽰相互作⽤= 0.01）。轻微组随着时间增加⽽减少，⽽重症组肺部感染总量⽐，随着时间增加每天增加 0.45% (95% CI: 0.13 to 0.77).
本案例数据来⾃外部数据集，根据5个城市每年的某传染病感染率与癌症死亡率的数据，分析这两者之间的关系，其中Infec_Disease表⽰某传染病感染率，Cancer_Mortality表⽰癌症死亡率，具体数据概况如下表：
数据特点：①某传染病感染率与癌症死亡率，均是重复测量的数据集，都随时间变化；②各个城市提供的数据年份不完全相同，如城市3的资料年份是1969-2008，共计32个数据；城市5的资料的年份是1955-2008，共计38个数据。
分析思路：1传染病感染率(X)和肿瘤死亡率(Y)分别随t(时间)的变化趋势是什么？(请看上篇推⽂)2.传染病感染率(X)和肿瘤死亡率(Y)有没有联系?（本篇解决）3.有没有滞后效应，有没有⾮线性关系？
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议