SAS与统计模型的选择

shiyiming

模型是对客观现实世界的一种近似。没有完美的模型。所有的模型都命中注定要被修正、改进以至于被替代。只要没有被新的证据所否定，任何假定的模型都可以应用，直到被更好的模型代替为止。理想的、唯一绝对说得出是非对错的世界可能只存在于纯粹数学之中。

在临床试验中，选择合适的统计模型是至关重要的，如果模型选择不当，会造成统计分析的失败。

例. 某降血压药物的临床试验中的舒张压(mmHg)(苏炳华，新药临床试验统计分析新进展，P11例)。
[i:b2a15]用药组[/i:b2a15]       
用药前        102        100        92        98        118        100        102        116        109        116        92        108        102        100        100        98
用药后        90        90        85        90        114        95        86        84        98        103        88        100        88        86        95        80
[i:b2a15]对照组[/i:b2a15]       
用药前        98        103        110        110        110        94        104        92        108        110        112        92        104        90
用药后        100        94        100        105        110        96        94        100        104        109        100        95        100        85       
       
现在的问题是如何选择合适的统计模型来考虑舒张压的差异？

可以考虑的模型有下面三种：

模型A：仅考虑治疗后的舒张压
[quote:b2a15]data a;
do group=1 to 2;
input n;
do i=1 to n;
input treat@@;
output;
end;
end;
cards;
16
90 90 85 90 114 95 86 84 98 103 88 100 88 86 95 80
14
100 94 100 105 110 96 94 100 104 109 100 95 100 85
;
proc glm data=a;
class group;
model treat=group;
run;[/quote:b2a15]
[i:b2a15][b:b2a15]Pr > F= 0.0133[/b:b2a15][/i:b2a15]


模型B：考虑治疗后的舒张压之差
[quote:b2a15]data b;
do group=1 to 2;
input n;
do i=1 to n;
input treat@@;
output;
end;
end;
cards;
16
12 10 7 8 4 5 16 32 11 13 4 8 14 14 5 18
14
-2 9 10 5 0 -2 10 -8 4        1 12 -3 4 5
;
proc glm data=b;
class group;
model treat=group;
run;[/quote:b2a15]
[i:b2a15][b:b2a15]Pr > F= 0.0020[/b:b2a15][/i:b2a15]


模型C：考虑治疗后的舒张压，将治疗前的舒张压作为控制变量。
[quote:b2a15]data c;
input group before treat@@;
cards;
1        102        90
1        100        90
1        92        85
1        98        90
1        118        114
1        100        95
1        102        86
1        116        84
1        109        98
1        116        103
1        92        88
1        108        100
1        102        88
1        100        86
1        100        95
1        98        80
2        98        100
2        103        94
2        110        100
2        110        105
2        110        110
2        94        96
2        104        94
2        92        100
2        108        104
2        110        109
2        112        100
2        92        95
2        104        100
2        90        85
;
proc glm data=c;
class group;
model treat=before group;
run;[/quote:b2a15]
[i:b2a15][b:b2a15]Pr > F<0.0001[/b:b2a15][/i:b2a15]


通过P值的比较，我们可以发现模型B、C合适。

shiyiming

很好！

shiyiming

[b:22592]Gary Wang 的“对 Collen 的SAS与统计模型的选择一文商榷”[/b:22592]

[quote:22592]我是参照“（苏炳华）新药临床试验统计分析新进展P11例”，自己加上了SAS程序。结论主要也是按照书上的结论。

Gary的意见很好，贴出让大家共享。[/quote:22592]




我认为选择什么模型是要根据你所希望解决的问题。

模型A只回答了两组用药后舒张压。模型本身没有问题，但是它没有回答你所关心的问题，所以不选A.

模型B回答了两组压差之间的显著性检验。如果这就回答你所关心的问题，不关心组内差异是否 statistical significant difference. 那你可以选模型B. 但是我认为组内显著性检验是基础，不可以忽略不计。所以模型B也不完美。

模型C既回答了两组间是否有显著性差异，同时也分析了组内在用药前后是否显著性不同。应该说较完美回答了你所关心的所有问题。可是PROC GLM要求样本服从正态分布或者小组样本大于３０。至少要用PROC UNIVARIATE检验一下，做一解释为好.