時間相依共變數之存活分析

文章作者：林星帆
重新編輯於 2013/3 發表在晨晰統計部落格的文章，這裡、這裡、這裡與這裡

圖片來源在此

何謂時間相依共變數

筆者曾經介紹一系列關於存活分析（Survival analysis）的應用與原理，一共包括四篇，其中第四篇為最重要的 Cox regression，但是該篇文章所介紹的 Cox 模式都只涉及到最基礎（但也最常用）的模式。

但是其實 Cox model 本身有很多種延伸的模型，其中最為重要的一種就是「時間相依共變數」（Time-dependent covariate），又稱之為隨時間變動的共變數（Time-varying covariate）。

多變項迴歸分析的呈現方式

文章作者：林星帆

本文為重新編輯 2018/3 發表在晨晰統計部落格的文章，在這裡與這裡

圖片來源在此

多變項迴歸分析

多變項迴歸分析（Multivariable or multi-predictor regression analysis）指的是迴歸方程式中，同時有 2 個或 2 個以上的解釋變項，反應變項（Response variable, Y）則可能是各種尺度的變項。

常見的有線性（連續變項）、二元、計數與存活資料等，分別適用線性迴歸（Linear regression）、羅吉斯迴歸（Logistic regression）、卜瓦松迴歸（Poisson regression）及 Cox 比例危險模型（Cox proportional hazard model）等。

敏感度分析在醫學臨床研究的應用

文章作者：林星帆
本文為重新編輯 2017/11 發表在晨晰統計部落格的文章，在這裡與這裡

什麼是敏感度分析

世界知名醫學期刊美國醫學協會雜誌（Journal of the American Medical Association, JAMA，2016 年Impact Factor：44.4）於 2010 年所刊登文章中，每 2 篇中已有 1 篇會報告敏感度分析（Sensitivity analysis）的結果，這篇報告刊登在 2013 年的 PLOS ONE，也可見筆者於 2017/8 時的介紹文章。

傾向分數分析介紹

文章作者：林星帆

本文為重新編輯 2018/4 發表在晨晰統計部落格的文章，在這裡與這裡

傾向分數分析的風行

在現今的醫學研究中，傾向分數分析（propensity score analysis, PSA）儼然扮演非常重要的角色。下圖為筆者在 Pubmed 以關鍵字「propensity score」搜尋得到的文獻筆數，由結果可知，以傾向分數作為研究方法的文獻呈現非線性的增加，到了 2017 年，單年度超過 3 千篇文獻使用傾向分數，可見傾向分數已為醫學研究當中的顯學（請見上圖）。

健保資料庫資料年代太舊了，很難被高分雜誌社接受，真的嗎？

文章作者：林星帆
本文為重新編輯 2018/7/30 發表在晨晰統計部落格的文章

健保資料庫的分析管道

目前（2018/11）欲作健保資料庫有三種管道，第一種是以國衛院時代的攜出健保資料庫，其資料只到 2013 年就停止更新了；第二種是衛生福利資料科學中心，俗稱加值中心，資料更新約延遲 1.5～2 年左右；第三種是全民健康保險保險人資訊整合應用服務中心，資料更新約延遲 1 年。

最近常聽到一種聲音，就是知名雜誌越來越不願意接受國衛院的攜出健保資料庫，但筆者的實際經驗似乎相左。

預測模型使用 AUC 的限制

文章作者：林星帆
本文為重新編輯 2018/10/22 發表在晨晰統計部落格的文章

圖片來源：這裡

AUC 使用時機

在臨床醫學研究中，常常會提出一個生物標記（Biomarker）可以預測特定事件的假設，例如以 neutrophil gelatinase-associated lipocalin（NGAL）預測急性腎損傷（acute kidney injury, AKI），或是以 B-type natriuretic peptide（BNP）預測心衰竭病人的再住院率。

傾向分數配對後的相依統計方法

文章作者：林星帆

本文為重新編輯 2018/10/1 發表在晨晰統計部落格的文章

傾向分數配對

在觀察型研究當中，傾向分數分析（propensity score analysis）的使用，特別是傾向分數配對（propensity score matching）已經是非常普遍，這個部分可參見筆者在之前寫的文章（這裡與這裡）。

關於傾向分數配對的技術與介紹，網路上已經有非常多資源（可參見筆者同事撰寫的一系列文章（這裡、這裡與這裡），但目前比較少人討論在傾向分數配對後的統計方法。