 | 醫學類別資料分析 第一版 2021年作/ 譯者：林建甫著 | - ISBN：9789579096904
- 年份：2021
- 書號：00107455
- 開數：
- 頁數：0
- 定價：900元
- 教師教學配件：
| |
|
林建甫
| 現職 |
國立臺北大學統計學系助理教授
|
|
| 學歷 |
美國密西根大學生物統計研究所碩士、博士
高雄醫學大學醫學系醫學士
|
|
| 經歷 |
巨匯數據科技股份有限公司統計顧問
美國范德堡大學醫學中心計量科學中心生物資訊與癌症研究訪問學者
智策市場研究顧問公司統計顧問
台北大學統計系助理教授
台北榮民總醫院生物統計顧問
台北市中山醫院骨科醫師
台北醫學大學萬芳醫院骨科醫師
高雄長庚醫院骨科醫師
台北榮民總醫院骨科醫師
|
|
| 興趣 |
醫學統計諮詢、臨床試驗、基礎醫學實驗設計
存活分析、縱向資料分析、類別資料分析
生物資訊、大數據分析、醫療經濟成本效益評估
|
|
作者信箱：
jefflinmd38@gmail.com
作者網頁：
https://www.jefflinmd.com
在醫學研究中，類別資料是一種常見的資料類型，醫學研究結果的測量通常是類別變數，例如臨床試驗在受試者服用抗骨質疏藥物，追蹤數年後研究是否可降低骨折發生。又例如第二期癌症臨床試驗在試驗藥物治療後的療效分成：完全反應、部分反應、穩定、持續進展等，追蹤後研究試驗藥物是否有顯著療效。這些研究與分析類別變數的統計方法常稱為類別資料分析。
本書主要寫作對象為從事資料分析的統計人員與從事臨床醫學研究的醫師，作者嘗試結合醫學研究與醫學統計諮詢經驗，以醫學與統計雙方都較能了解的語言與文字探索臨床醫學研究資料分析的相關議題。主要內容包含：
1. Analysis of Event Proportions 與 Event Rates
2. Analysis of Contingency Table, Matched Table 與 Medical Test
3. Logistic Regression Model 與 Diagnosis
4. Conditional Logistic Regression 與 Multinomial Logistic Regression
5. Poisson Regression Model
6. Repeated Measures
第01章 類別資料分析導論
1.1 研究資料與變數
1.2 醫學研究設計分類
1.3 離散型機率分配
第02章 事件發生分率與速率之推論
2.1 事件發生機率
2.2 事件發生速率
2.3 差異與比率
2.4 事件發生分率推論：單一樣本與二項分配
2.5 二組樣本事件發生分率：二項分配近似Z檢定
2.6 事件發生速率與布瓦松分配
2.7 一組樣本事件發生速率：布瓦松分配與推論
2.8 二組樣本事件發生速率：布瓦松分配與推論
2.9 事件發生速率：標準化
2.10 資料分析練習
第03章 列聯表分析
3.1 一維列聯表分析：卡方檢定配適度
3.2 二維列聯表簡介
3.3 前瞻性研究與二維列聯表
3.4 橫斷性研究與二維列聯表
3.5 回溯性研究與二維列聯表
3.6 可歸因危險
3.7 2 × 2列聯表：關聯性檢定
3.8 R × C 列聯表
3.9 Cochran–Armitage趨勢檢定：2 × K 列聯表
3.10 資料分析練習
第04章 分層列聯表分析
4.1 分層列聯表
4.2 整體關聯性：Mantel–Haenszel 檢定
4.3 齊一性卡方檢定
4.4 共同勝算比估計
4.5 辛普森詭論
4.6 資料分析練習
第05章 二維配對列聯表
5.1 2 × 2二維配對列聯表
5.2 配對比較二組差異：McNemar檢定
5.3 可靠度與一致性
5.4 資料分析練習
第06章 醫學診斷工具分析
6.1 敏感度與特異度
6.2 ROC曲線分析
6.3 資料分析練習
第07章 多維列聯表
7.1 三維列聯表
7.2 完全獨立模型
7.3 聯合獨立模型
7.4 條件獨立模型
7.5 同質關聯模型
7.6 建模對策
第08章 類別資料抽樣分配
8.1 布瓦松分配與布瓦松抽樣
8.2 多項式分配與式多項式抽樣
8.3 多項式分配與獨立多項式抽樣
8.4 多項式分配與抽樣分配
8.5 類別資料配適統計模型
8.6 配適飽和模型與參數估計
8.7 概似函數、分數向量以及資訊矩陣
8.8 統計模型參數估計式之大樣本漸近理論
8.9 多項式分配方格機率估計式之大樣本漸近理論
8.10 統計模型參數估計式與方格機率估計式之漸近分配
8.11 皮爾森殘差的漸近分配
8.12 皮爾森卡方分配的漸近分配
8.13 概似比檢定統計量的漸近分配
8.14 離差殘差
第09章 廣義線性模型理論
9.1 廣義線性模型
9.2 廣義線性模型的成分
9.3 指數族分配
9.4 連結函數
9.5 充分統計量與典型連結
9.6 廣義線性模型：概似方程式
9.7 廣義性模型：參數估計
9.8 典型連結的簡化估計
9.9 參數推論：假說檢定
9.10 參數推論：信賴區間
9.11 配適度檢定
9.12 檢定巢狀模型
9.13 模型配適：過程與原則
9.14 廣義線性模型殘差
第10章 邏輯斯迴歸模型
10.1 線性機率模型
10.2 邏輯斯迴歸模型簡介
10.3 簡單邏輯斯迴歸模型
10.4 複邏輯斯迴歸模型
10.5 參數估計與推論
10.6 配適度檢定
10.7 檢定巢狀模型
10.8 檢定二個模型
10.9 事件發生機率之推論與預測
10.10 模型選擇
10.11 資料分析練習
第11章 邏輯斯迴歸：模型診斷
11.1 殘差
11.2 影響值
11.3 殘差分析
11.4 共變數的最佳函數形式：加入自變數圖
11.5 共變數的最佳函數形式：局部殘差圖
11.6 共變數的最佳函數形式：變數轉換
11.7 檢視變異數函數
11.8 調整適度配缺失
11.9 變異數過度離散
11.10 貝塔–二項式模型
11.11 資料分析練習
第12章 條件邏輯斯迴歸
12.1 配對設計
12.2 絛件邏輯斯迴歸：1：1配對
12.3 條件邏輯斯迴歸：1：M配對
12.4 條件邏輯斯迴歸模型：M：N配對
12.5 資料分析練習
第13章 多項式邏輯斯模型
13.1 基線類別邏輯斯模型
13.2 離散選擇模型
13.3 順序反應變數與與累積連結模型
13.4 順序反應變數與累積邏輯斯迴歸模型
13.5 相鄰類別邏輯斯模型
13.6 順序反應變數與連續比邏輯斯模型
13.7 資料分析練習
第14章 布瓦松迴歸模型
14.1 對數線性迴歸模型簡介
14.2 事件發生速率與布瓦松迴歸模型
14.3 簡單布瓦松迴歸模型
14.4 多變數布瓦松迴歸模型
14.5 參數估計與推論
14.6 配適度檢定
14.7 變異數過度離散
14.8 負二項分配迴歸模型
14.9 離散過低
14.10 零的方格計數
14.11 資料分析練習
第15章 重覆測量與相關性資料
15.1 相關性資料
15.2 相關性類別資料分析模型
15.3 邊際模型
15.4 廣義線性混和模型
15.5 資料分析練習
第16章 列聯表與對數線性模型
16.1 一維列聯表與對數線性模型
16.2 二維列聯表與對數線性模型
16.3 三維列聯表與對數線性模型
16.4 階層模型
16.5 邏輯斯模型與對數線性模型
16.6 資料分析練習
第17章 配對列聯表與廣義線性模型
17.1 對稱模型
17.2 準對稱模型
17.3 準獨立模型
17.4 檢定邊際同質性
17.5 順序條件對稱模型
17.6 順序準關聯模型
17.7 檢定順序變數的邊際同質性
17.8 測量的一致性與測量相關性對數線性模型
17.9 配對比較與Bradley–Terry 模型
|