СибНСХБ

Вид поиска

Область поиска

Найдено в других БД

Формат представления найденных документов:
библиографическое описание	краткий	полный

Отсортировать найденные документы по:
автору	заглавию	году издания	типу документа

Поисковый запрос: (<.>S=АГРЕГИРОВАННЫЕ ДАННЫЕ<.>)

Общее количество найденных документов : 5
Показаны документы с 1 по 5

РЖ ВИНИТИ 34 (BI38) 96.04-04А3.18

Prentive, Ross L.
Aggregate data studies of disease risk factors [Text] / Ross L. Prentive, Lianne Sheppard // Biometrika. - 1995. - Vol. 82, N 1. - P113-125 . - ISSN 0006-3444
Перевод заглавия: Изучение агрегированных данных описывающих факторы риска заболеваний
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

ВИНИТИ 341.03.23.15 + 341.05.25.09.13
Рубрики: ТЕОРИЯ ПОПУЛЯЦИЙ
МАТЕМАТИЧЕСКИЕ МОДЕЛИ
БИОМЕТРИЯ
АГРЕГИРОВАННЫЕ ДАННЫЕ
ЗАБОЛЕВАНИЯ
РАК
ФАКТОРЫ РИСКА

Доп.точки доступа:
Sheppard, Lianne

РЖ ВИНИТИ 34 (BI38) 98.12-04А3.830

Sheppard, Lianne.
Design considerations for estimation of exposure effects on disease risk, using aggregate data studies [Text] / Lianne Sheppard, Ross L. Prentice, Mary Anne Rossing // Statist. Med. - 1996. - Vol. 15, N 17-18. - P1849-1858 . - ISSN 0277-6715
Перевод заглавия: Соображения о плане для оценки влияния экспозиции на риск заболевания с использованием агрегированных данных

ГРНТИ	34.05.25

ВИНИТИ 341.05.25.09.13
Рубрики: БИОМЕТРИЯ
РИСК ЗАБОЛЕВАНИЙ
АГРЕГИРОВАННЫЕ ДАННЫЕ

Доп.точки доступа:
Prentice, Ross L.; Rossing, Mary Anne

РЖ ВИНИТИ 34 (BI38) 02.01-04А3.25

Zhu, Li.
Comparing hierarchical models for spatio-temporally misaligned data using the deviance information criterion [Text] / Li Zhu, Bradley P. Carlin // Statist. Med. - 2000. - Vol. 19, N 17-18. - P2265-2278 . - ISSN 0277-6715
Перевод заглавия: Сравнение иерархических моделей пространственно-временных [агрегированных] данных с использованием информационного критерия отклонения
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

ВИНИТИ 341.03.23.15
Рубрики: ТЕОРИЯ ЭПИДЕМИЙ
КАРТИРОВАНИЕ ПРОСТРАНСТВЕННЫХ ДАННЫХ
МЕДИЦИНСКАЯ ГЕОГРАФИЯ
ЗАБОЛЕВАЕМОСТЬ
ПРОСТРАНСТВЕННО-ВРЕМЕННЫЕ МОДЕЛИ
АГРЕГИРОВАННЫЕ ДАННЫЕ
ИЕРАРХИЧЕСКИЕ МОДЕЛИ
СРАВНЕНИЕ МОДЕЛЕЙ
ИНФОРМАЦИОННЫЕ КРИТЕРИИ

Доп.точки доступа:
Carlin, Bradley P.

РЖ ВИНИТИ 34 (BI34) 09.02-04Т4.182

Jackson, Christopher.
Improving ecological inference using individual-level data [Text] / Christopher Jackson, Nicky Best, Sylvia Richardson // Statist. Med. - 2006. - Vol. 25, N 12. - P2136-2159 . - ISSN 0277-6715
Перевод заглавия: Улучшение экологических выводов с помощью данных индивидуального уровня
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

ВИНИТИ 341.47.51.05
Рубрики: БИОМЕТРИЯ
ОЦЕНИВАНИЕ
ЗАВИСИМОСТИ ИНДИВИДУАЛЬНОГО УРОВНЯ
АГРЕГИРОВАННЫЕ ДАННЫЕ
ИЕРАРХИЧЕСКИЕ МОДЕЛИ

Доп.точки доступа:
Best, Nicky; Richardson, Sylvia

РЖ ВИНИТИ 34 (BI38) 09.02-04А3.44

Jackson, Christopher.
Improving ecological inference using individual-level data [Text] / Christopher Jackson, Nicky Best, Sylvia Richardson // Statist. Med. - 2006. - Vol. 25, N 12. - P2136-2159 . - ISSN 0277-6715
Перевод заглавия: Улучшение экологических выводов с помощью данных индивидуального уровня
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

ВИНИТИ 341.03.23.15
Рубрики: БИОМЕТРИЯ
ОЦЕНИВАНИЕ
ЗАВИСИМОСТИ ИНДИВИДУАЛЬНОГО УРОВНЯ
АГРЕГИРОВАННЫЕ ДАННЫЕ
ИЕРАРХИЧЕСКИЕ МОДЕЛИ

Доп.точки доступа:
Best, Nicky; Richardson, Sylvia

"Электронные каталоги и базы данных библиотек СО РАН"

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

rtvarBDview(" результаты поиска","20190607010228","4682442");

Вид поиска