临床医学研究中带有缺失数据和截断数据的统计推断方法

摘要

这篇论文主要研究的是临床医学研究中缺失和截断数据两类不完全数据的统计推断问题.在临床医学研究过程中，由于各种原因，会不可避免地出现不完全数据的情况。本文主要以肿瘤的异种移植模型(把人类的癌细胞移植到实验鼠体中)为例，分类讨论了缺失和截断两种不完全数据的处理问题.在抗癌药物的研发过程中，肿瘤异种移植阶段对药效的论证是有希望把该药运用到人类的一个重要步骤，这其中，一个非常重要的指标就是对分组研究的动物在事先设定的时刻给予不同剂量的抗癌药物后测量得到的肿瘤的体积.然而，在实验完成之前由于各种原因，实验鼠可能会死去，或者由于肿瘤体积增大到原来的4倍而失去继续实验的意义，这样，测量出的数据就会出现缺失的情况；与此同时，由于药物的作用，肿瘤的体积也会慢慢变小，当减小到一定程度之后(＜0.01cm3)，由于实验条件的限制，测量不到准确的肿瘤体积，这样，就会出现所谓的截断数据.对这两种不完全数据的处理直接关系着对临床实验的评价.为此，我们借助于EM算法和极大似然估计，对这两种不完全数据分情况进行讨论，提出相应的检验方法。

目录

文摘

英文文摘

独创性声明及学位论文版权使用授权书

引言

1.预备知识·多元正态分布的条件期望和方差

2.数学模型的建立

3.完全数据下的极大似然估计

4.不完全数据条件下的极大似然估计

5.随机模拟和异种移植模型分析

6.结论

参考文献

附录

后记