Главная Назад


Авторизация
Идентификатор пользователя / читателя
Пароль (для удалённых пользователей)
 

Вид поиска

Область поиска
Найдено в других БД
Формат представления найденных документов:
библиографическое описаниекраткий полный
Отсортировать найденные документы по:
авторузаглавиюгоду изданиятипу документа
Поисковый запрос: (<.>S=АГРЕГИРОВАННЫЕ ДАННЫЕ<.>)
Общее количество найденных документов : 5
Показаны документы с 1 по 5
1.

Вид документа : Статья из журнала
РЖ ВИНИТИ 34 (BI38) 96.04-04А3.18

Автор(ы) : Prentive Ross L., Sheppard, Lianne
Заглавие : Aggregate data studies of disease risk factors
Источник статьи : Biometrika. - 1995. - Vol. 82, N 1. - С. 113-125
Аннотация: Statistical methods are proposed for estimating relative rate parameters, based on estimated disease rates and covariate data from random samples of individuals from each of several cohorts. A random effects model is used to derive mean and variance models for estimated disease rates. Estimating equations for relative rate parameters are then developed by replacing cohort covariate averages by corresponding sample averages. The asymptotic distribution of regression parameter estimates is derived, and the asymptotic bias is shown to be small, even if covariates are contaminated by classical random measurement errors, provided the covariate sample size in each cohort is not small. Simulation studies, motivated by international data on diet and breast cancer, provide insights into the properties of the proposed estimators. США, Div. of Public Health Scis, Fred Hutchinson Cancer Research, Seattle, Washington 98104. Библ. 12
ГРНТИ : 34.03.23
Предметные рубрики: ТЕОРИЯ ПОПУЛЯЦИЙ
МАТЕМАТИЧЕСКИЕ МОДЕЛИ
БИОМЕТРИЯ
АГРЕГИРОВАННЫЕ ДАННЫЕ
ЗАБОЛЕВАНИЯ
РАК
ФАКТОРЫ РИСКА
Дата ввода:

2.

Вид документа : Статья из журнала
РЖ ВИНИТИ 34 (BI38) 98.12-04А3.830

Автор(ы) : Sheppard, Lianne, Prentice Ross L., Rossing, Mary Anne
Заглавие : Design considerations for estimation of exposure effects on disease risk, using aggregate data studies
Источник статьи : Statist. Med. - 1996. - Vol. 15, N 17-18. - С. 1849-1858
ГРНТИ : 34.05.25
Предметные рубрики: БИОМЕТРИЯ
РИСК ЗАБОЛЕВАНИЙ
АГРЕГИРОВАННЫЕ ДАННЫЕ
Дата ввода:

3.

Вид документа : Статья из журнала
РЖ ВИНИТИ 34 (BI38) 02.01-04А3.25

Автор(ы) : Zhu, Li, Carlin Bradley P.
Заглавие : Comparing hierarchical models for spatio-temporally misaligned data using the deviance information criterion
Источник статьи : Statist. Med. - 2000. - Vol. 19, N 17-18. - С. 2265-2278
Аннотация: Байесовские и эмпирические байесовские методы доказали свою эффективность при сглаживании грубых карт риска заболеваемости, устраняя нестабильность оценок в зонах низкой плотности, но оставляя общие геогр. тренды и структуры. Последние исследования обобщили эти методы на случай анализа данных по площадям, к-рые пространственно грубы (представлены агрегированными по различным региональным границам переменными). Учет временных аспектов усложняет ситуацию из-за агрегации по пространству и по времени (напр., когда региональные границы сами изменяются во времени). Иерархические байесовские методы (используемые в компьютеризированных подходах Монте-Карло с применением марковских цепей) могут использоваться для подгонки таких моделей, однако формальное сравнение подгонок затруднено большими размерами и часто неправильной априорной спецификацией модели. Предлагается проводить сравнения с помощью информационного критерия отклонения (ИКО), недавнего обобщения ИК Акайка, к-рый предназначен для сложных иерархических моделей. Типичным примером является модель пространственного картирования. В ней логарифмический относительный риск заболевания выражается скалярным произведением векторов ковариат и фиксированных эффектов плюс эффекты региональной гетерогенности и региональной кластеризации (последний определяется как среднее по соседним регионам). Здесь привлекательно то, что при генерировании выборок из апостериорного распределения достаточно в конце каждой прогонки подсчитывать выборочное среднее для статистики отклонения и для вектора параметров. Изучается использование дельта-метода для получения приближенных оценок дисперсии для ИКО с целью определения значимости различий между моделями. Данный подход иллюстрируется на примере пространственно агрегированных данных в отношении плотности трафика госпитализации с детской астмой в Сан-Диего. США, Div. of Biostatistics, School of Public Health, Univ. of Minnesota, Box 303, Mayo Memorial Building, Minneapolis, MN 55455-0392. Ил. 3. Табл. 2. Библ. 24
ГРНТИ : 34.03.23
Предметные рубрики: ТЕОРИЯ ЭПИДЕМИЙ
КАРТИРОВАНИЕ ПРОСТРАНСТВЕННЫХ ДАННЫХ
МЕДИЦИНСКАЯ ГЕОГРАФИЯ
ЗАБОЛЕВАЕМОСТЬ
ПРОСТРАНСТВЕННО-ВРЕМЕННЫЕ МОДЕЛИ
АГРЕГИРОВАННЫЕ ДАННЫЕ
ИЕРАРХИЧЕСКИЕ МОДЕЛИ
СРАВНЕНИЕ МОДЕЛЕЙ
ИНФОРМАЦИОННЫЕ КРИТЕРИИ
Дата ввода:

4.

Вид документа : Статья из журнала
РЖ ВИНИТИ 34 (BI34) 09.02-04Т4.182

Автор(ы) : Jackson, Christopher, Best, Nicky, Richardson, Sylvia
Заглавие : Improving ecological inference using individual-level data
Источник статьи : Statist. Med. - 2006. - Vol. 25, N 12. - С. 2136-2159
Аннотация: В типичных исследованиях здоровье - среда в малых зонах нужно сделать выводы относительно связи между показателями индивидуального уровня с помощью агрегированных данных. Напр., в экологических, эпидемиологических и социальных исследованиях данные собираются на уровне зон (обл.), и чтобы сделать надежные выводы из таких исследований нужно решить ряд проблем с учетом недостаточности данных индивидуального уровня. Для оценивания индивидуальных ассоциаций предлагается иерархическая модель, использующая комбинирование агрегированных и индивидуальных данных. Проведено обширное имитационное исследование различных реалистичных ситуаций для определения достаточности агрегированных данных для точных выводов и определения необходимости информации индивидуального уровня. Приведен иллюстративный пример по данным об этничности, долговременным заболеванием и доходом в Лондоне. Великобритания, Dep of Epidemiology and Public Health, Imperial College School of Medicine, London. Ил. 5. Табл. 1. Библ. 22
ГРНТИ : 34.47.51
Предметные рубрики: БИОМЕТРИЯ
ОЦЕНИВАНИЕ
ЗАВИСИМОСТИ ИНДИВИДУАЛЬНОГО УРОВНЯ
АГРЕГИРОВАННЫЕ ДАННЫЕ
ИЕРАРХИЧЕСКИЕ МОДЕЛИ
Дата ввода:

5.

Вид документа : Статья из журнала
РЖ ВИНИТИ 34 (BI38) 09.02-04А3.44

Автор(ы) : Jackson, Christopher, Best, Nicky, Richardson, Sylvia
Заглавие : Improving ecological inference using individual-level data
Источник статьи : Statist. Med. - 2006. - Vol. 25, N 12. - С. 2136-2159
Аннотация: В типичных исследованиях здоровье - среда в малых зонах нужно сделать выводы относительно связи между показателями индивидуального уровня с помощью агрегированных данных. Напр., в экологических, эпидемиологических и социальных исследованиях данные собираются на уровне зон (обл.), и чтобы сделать надежные выводы из таких исследований нужно решить ряд проблем с учетом недостаточности данных индивидуального уровня. Для оценивания индивидуальных ассоциаций предлагается иерархическая модель, использующая комбинирование агрегированных и индивидуальных данных. Проведено обширное имитационное исследование различных реалистичных ситуаций для определения достаточности агрегированных данных для точных выводов и определения необходимости информации индивидуального уровня. Приведен иллюстративный пример по данным об этничности, долговременным заболеванием и доходом в Лондоне. Великобритания, Dep of Epidemiology and Public Health, Imperial College School of Medicine, London. Ил. 5. Табл. 1. Библ. 22
ГРНТИ : 34.03.23
Предметные рубрики: БИОМЕТРИЯ
ОЦЕНИВАНИЕ
ЗАВИСИМОСТИ ИНДИВИДУАЛЬНОГО УРОВНЯ
АГРЕГИРОВАННЫЕ ДАННЫЕ
ИЕРАРХИЧЕСКИЕ МОДЕЛИ
Дата ввода:

 




© Международная Ассоциация пользователей и разработчиков электронных библиотек и новых информационных технологий
(Ассоциация ЭБНИТ)