目的探索基于条件期望的函数型主成分分析方法(principal analysis by conditional expectation,PACE)在稀疏且不规则的纵向数据中的预测效果,评价其揭示总体变化趋势、个体特异的变异方式以及预测个体纵向变化轨迹的能力。方法采用R软...
详细信息
目的探索基于条件期望的函数型主成分分析方法(principal analysis by conditional expectation,PACE)在稀疏且不规则的纵向数据中的预测效果,评价其揭示总体变化趋势、个体特异的变异方式以及预测个体纵向变化轨迹的能力。方法采用R软件模拟生成样本量为200的三种不同稀疏情形的纵向数据集,通过数值模拟定量地评价PACE方法的降维及预测效果。结果根据累计方差贡献率达到85%,三种不同稀疏情形的纵向数据集最终选取的主成分个数分别为4、4、3,PACE方法在不同稀疏情形下预测结果均具有较小的均方误差(MSE),分别为0.1410、0.0670、0.0161,而且观测点个数越多预测效果越好。结论PACE方法可以实现在随访间隔不规则且数据稀疏的情况下,捕获纵向数据随时间变化的总体趋势,揭示个体特异的变异方式,预测个体的纵向轨迹。
目的了解2005--2015年山西省大同市人间布鲁氏菌病（布病）的时空流行趋势及气象因素对布病的驱动效应，为防控工作提供科学依据。方法收集大同市2005--2015年布病的报告发病资料和同期气象数据，描述疾病流行特征；通过拟合***分布滞后非线性模型（Distributed Lag Non-linear Models，DLNM），研究月值气象数据对布病发病季节性的驱动作用。结果2005-2015年大同市共报告布病17311例（死亡1例），年平均报告发病率为47．43／10万，总体呈上升趋势；季节性高峰集中在3-6月，占总病例数的48．40％；地区分布从东北部、东南部地区的传统流行区逐步向西扩大蔓延；DLNM分析结果显示布病发病在时间尺度上受蒸发量、降水量和气温影响显著，当月累积蒸发量为140～260mm、月累积降水量为20～60mm时，发病高峰滞后时间〈1个月，月平均气温为-13℃时发病高峰滞后4-5个月。结论2005-2015年大同市布病发病率呈上升趋势，病例在季节、人群和空间上具有明显流行特征；气象因素蒸发量、降水、气温对疾病发生驱动作用明显。
暂无评论