导读:本文包含了生存资料论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:样本,模型,生存率,期中,止血带,胆道,数据。
生存资料论文文献综述
王珺平[1]（2019）在《胆道系统恶性肿瘤患者临床特征资料与生存的相关性分析》一文中研究指出目的:分析胆道系统恶性肿瘤(BTC)患者临床特征资料与生存的相关性。方法:回顾性收集广西壮族自治区人民医院收治的100例病理确诊的BTC患者的临床特征资料,临床特征资料包括性别、年龄、入院后次日血常规数据得出的外周血炎性指标血小板/淋巴细胞比值(PLR)和淋巴细胞/单核细胞比值(LMR)、有无胆结石和胆道系统慢性炎症病史、原发灶部位、功能状态(PS)评分、TNM分期、治疗前糖类抗原19-9(CA19-9)水平、有无抗肿瘤治疗。随访所有患者的总生存期(OS)。采用寿命表法计算生存率,采用Kaplan-Meier法比较各项临床特征中组间患者的生存率,并绘制患者的生存曲线。结果:100例病理确诊BTC患者的中位生存时间为9.7个月,1年、2年、3年、4年生存率分别为18%、12%、9%和3%。PS评分1～2分组与3～4分组生存率比较、TNM分期Ⅰ～Ⅱ期组与Ⅲ～Ⅳ期组生存率比较、有无抗肿瘤治疗之间生存率比较,差异均有统计学意义(P<0.05)。PLR<150组与PLR≥150组之间的生存率比较,LMR<3组与LMR≥3组之间的生存率比较,差异均无统计学意义(P>0.05)。此外,性别、有无胆结石和胆道系统慢性炎性反应、原发灶部位不同、治疗前CA19-9水平是否正常之间的生存率比较,差异均无统计学意义(P>0.05)。结论:PS评分3～4分、TNM分期Ⅲ～Ⅳ期、未进行抗肿瘤治疗的BTC患者生存率较低,临床可将此叁项指标作为判断BTC患者预后的重要指标。(本文来源于《吉林医学》期刊2019年12期）
胡海霞,王陵,李晨,李凡,朱典[2]（2019）在《截断混合高斯分布入组模式下生存资料样本量估计》一文中研究指出目的在入组间期长的生存资料临床试验中,受试者入组速率可能受招募广告宣传等多因素影响而存在反复波动,本文采用截断混合高斯分布拟合这种入组速率变化并估计该入组模式下需要的样本量。方法在指数分布生存时间和指数失访假设下,采用多重积分法推导受试者入组速率服从截断混合高斯分布时的事件发生率及样本量计算公式;分别计算截断混合高斯分布中均值、方差、权重分配变化时样本量变化情况;通过Monte Carlo模拟对采用均匀分布估计波动入组速率可能引起的试验检验效能损失及对提出样本量计算公式的稳健性进行评价。结果截断混合高斯入组模式下各高斯组分的均值越小、均值较小高斯组分的方差越小、权重越大,需要的样本量越小,即受试者入组速率高峰出现较晚或早期入组速率波峰窄小时需要更多的样本量;采用均匀分布拟合波动入组速率可能会引起不同程度的试验检验效能不足,而在截断混合高斯入组模式计算的样本量下试验检验效能基本能稳定在预期水平;截断混合高斯入组模式还可以近似恒定入组速率,单调增或减入组速率等情况。结论截断混合高斯入组模式及提出的样本量计算公式具有较好的稳健性,适用性更广,可以用于生存资料临床试验样本量估计。(本文来源于《中国卫生统计》期刊2019年03期）
郑丹丹[3]（2019）在《Wntless(Wls)与乳腺癌患者临床病理资料及生存预后的相关性分析》一文中研究指出目的:Wnt信号通路在癌症的增殖、侵袭及转移中发挥重要作用。Wntless(Wls/GPR177/Evi)作为Wnt信号通路中的重要分子,在调控Wnt蛋白的分泌中发挥重要作用,本课题旨在研究Wls基因与乳腺癌患者的临床病理资料及预后的相关性。方法:首先应用qRT-PCR及Western Blotting技术检测人乳腺癌细胞系MCF-7、ZR-75、MDA-MB-453及MDA-MB-468中Wls的mRNA及蛋白表达水平(以人类正常乳腺上皮细胞MCF-l0A作为对照)。结果表明与MCF-l0A相比较,Wls在MDA-MB-453和MDA-MB-468细胞系中呈高表达,在MCF-7和ZR-75细胞系中呈低表达。同时收集188例浸润性乳腺癌患者的临床病理资料并进行随访,采用免疫组化技术检测188例患者的术后石蜡包埋病理组织中Wls的蛋白表达水平。应用SPSS 22.0软件分析Wls与患者临床病理资料及预后的相关性,采用χ2检验、Spearman、Cox回归、log-rank检验及Kaplan-Meier生存曲线分析方法,以p<0.05作为差异有统计学意义的标准。结果:Wls蛋白在31.4%(59/188)患者中呈低度表达(1+),在52.6%(99/188)患者中呈中度表达(2+),在16.0%(30/188)患者中呈高度表达(3+)。统计分析显示Wls与ER(p=0.000,r=-0.302)及PR(p=0.000,r=-0.359)表达呈负相关,与Ki67(p=0.026,r=0.197)及分子分型(p=0.336,r=0.000)呈正相关。同时COX回归分析显示Wls的表达水平与患者总生存期的相关性具有统计学意义(p=0.000)。结论:Wls蛋白的表达水平与已有的乳腺癌分子标志物(ER、PR及Ki67)及患者总生存期(OS)存在相关性,ER(-)、PR(-)或Ki67>30%时Wls呈高表达,且患者总生存期短。Wls有望成为乳腺癌治疗和预后判断的新的分子标志物,为乳腺癌患者的诊治提供新的途径。(本文来源于《吉林大学》期刊2019-05-01）
黄福强[4]（2019）在《含治愈个体生存资料的分析策略和亚组识别研究》一文中研究指出背景接受治疗的患者可能包含治愈和未治愈两部分人群,这类数据通常有较高的删失率,在生存曲线尾部表现为平稳的拖尾现象。此类数据用传统的生存分析方法是不合适的,但大量文献显示非统计专业研究者还是会选择传统的Cox比例风险模型或者AFT模型进行分析。目前有关亚组识别的研究有很多,涉及定量、分类与生存等结局指标。但着重点都在于如何识别亚组,而没有关注亚组是否存在的检验方法。据目前所能查到的文献显示,若在试验组的生存时间并未显示出明显改善的情况下,如何检验试验组中是否存在获益亚组尚少见报道。混合治愈模型与评价其预后准确度的K指数可能会为检验生存数据是否存在亚组提供一些理论参考。目的在生存资料存在治愈个体时,分别模拟比较Cox 比例风险模型与比例风险混合治愈模型(Proportional hazard mixture cure model/PHMC model)、AFT模型与加速失效混合治愈模型(Accelerated failure time mixture cure model/AFTMC model)的拟合效果,并通过实例进行对比和验证;基于K指数构建一个统计量用于检验生存资料是否存在亚组,若存在亚组则利用与亚组相关的协变量建立亚组判别模型识别病人的亚组身份。方法采用估计偏差、MSE、置信区间覆盖率与K指数评价Cox 比例风险模型与PHMC模型、AFT模型与AFTMC模型的拟合效果;基于AFT模型与AFTMC模型所得K指数构建统计量Ksub检验生存资料是否存在亚组,当存在亚组时构建统计量Koff寻找区分亚组的最佳时间点,并确定每位患者的亚组身份,进而建立亚组判别模型。结果Cox比例风险模型与PHMC模型的比较:当治愈率为0,即不存在治愈个体时,PHMC模型的估计偏差、MSE、置信区间覆盖率以及KK指数与Cox比例风险模型相近。当存在治愈个体时,PHMC模型的估计偏差的绝对值与MSE始终小于Cox 比例风险模型,置信区间覆盖率始终比Cox比例风险模型更加接近可接受范围,K指数始终大于Cox 比例风险模型。AFT模型与AFTMC模型的比较:当治愈率为0,即不存在治愈个体时,AFTMC模型的估计偏差、MSE、置信区间覆盖率以及K指数与AFT模型相近。当存在治愈个体时,AFTMC模型的估计偏差的绝对值和MSE始终小于AFT模型,置信区间覆盖率始终比AFT模型更接近可接受范围,K指数始终大于AFT模型。Ksub的I类错误基本控制在0.05以内,当删失率逐渐增大时,I类错误有增大的趋势。检验效能在多数情况下能够保持较高水平,但当样本量较少、治愈率低以及删失率较高时,Ksub的检验效能不高。随着治愈率的增加,Ksub的检验效能在逐渐增大。当治愈率固定不变时,随着删失率的增加,Ksub的检验效能在逐渐降低。在用统计量Koff寻找到区分亚组的最佳时间点t(off)之后,在自定义的四种方法中,方法叁能够准确和稳定地预测患者的亚组身份,其平均准确度(86.8%)和平均灵敏度(82.5%)最高,并且准确度和灵敏度的波动范围最小(标准差分别为4.1%,5.3%)。虽然其平均特异度低于其余方法,但其本身数值不低(89.7%)且波动范围较小(标准差为6.7%),所以方法叁能相对准确地预测患者属于非获益亚组。在与自定义的四种方法相对应的四个判别模型中,模型叁能够有效地判别患者的亚组身份,其平均灵敏度最高(93.1%),灵敏度的波动范围最小(标准差为6.7%);平均特异度最高(77.5%),特异度的波动范围最小(标准差为7.2%);平均准确度最高(82.7%),准确度的波动范围最小(标准差为5.1%);平均AUC最大(87.6%),拟合效果最好,并且其AUC的波动范围最小(标准差为3.3%)。结论当生存资料不存在治愈个体时,PHMC模型和AFTMC模型并无明显优势,此时建议采用常用的Cox 比例风险模型或AFT模型进行分析。当存在治愈个体时,建议使用PHMC模型或AFTMC模型进行分析,但需要有足够的样本量。若在试验组相对于对照组疗效并未显示出明显改善的情况下,可用统计量Ksub检验是否存在亚组。若存在亚组,则用统计量Koff寻找区分亚组的最佳时间点T(off),并用方法叁识别患者的亚组身份:当受试者的生存时间大于T(off)时,认为该受试者属于获益亚组(Yi=0),能够被治愈,当受试者的生存时间小于等于T(off)并且发生了终点事件(δi=1)时,认为该受试者属于非获益亚组(Yi=1)。当受试者的生存时间小于等于T(off)并且处于删失状态(δi=0)时,如果受试者的P(Yi=0|Xi)大于预测的平均治愈率,则认为属于获益亚组(Yi=0),否则属于非获益亚组(Yi=1)。并在方法叁的基础上建立亚组判别模型(即模型叁)。(本文来源于《南方医科大学》期刊2019-03-14）
姜超,刘丽亚,邵方,于浩,陈峰[5]（2018）在《基于生存资料的Ⅱ/Ⅲ期无缝设计期中分析方法评价》一文中研究指出目的基于生存指标的无缝设计,考查PFS在什么条件下可以用于Ⅱ/Ⅲ期无缝设计期中分析时的剂量组筛选。方法采用模拟试验的手段,分别研究基于生存资料下Fisher合并法和加权逆正态法在利用和不利用OS的信息两种组别筛选策略下的总Ⅰ类错误率和检验效能。结果加权逆正态合并法与Fisher合并法相比,两者在控制总Ⅰ类错误率方面无明显差异,随着PFS和OS相关性增强,加权逆正态合并法的检验效能要高于Fisher合并法,并且合并PFS和OS的信息将获得更高检验效能。结论当PFS和OS的相关性较大,且效应趋势一致时,建议采用加权逆正态合并法合并两者的信息进行Ⅱ/Ⅲ期无缝临床试验的统计分析。(本文来源于《中国卫生统计》期刊2018年04期）
韩雯[6]（2018）在《我市发布“家庭应急储备物品清单”》一文中研究指出本报讯（记者 韩雯）5月12日是第十个全国防灾减灾日，市民政局发布《天津市居民家庭应急储备物品建议清单》，建议条件允许的情况下，每个居民家庭都储备一些必要的应急物品，以备不时之需。据介绍，我市积极推动建立政府、社会、家庭叁方面防灾减灾物资储备体(本文来源于《天津日报》期刊2018-05-14）
朱典[7]（2018）在《生存资料盲态下样本量再估计方法研究》一文中研究指出研究背景临床试验样本量的合理估计直接关系到试验的成败,样本量是研究者在试验设计阶段考虑的重要问题。在传统的固定设计临床试验中,研究者在试验开展前根据相关文献设定试验的关键参数,对样本量进行估计,期望达到预设的检验效能。当某些临床试验的部分参数缺乏可供参考的文献,或是试验条件差异较大时,试验开始前初始设定参数可能与真实参数存在较大偏差,以此为基础估计的样本量可能较大程度的偏离理想样本量。若样本量过大会为研究带来不必要的负担,也存在伦理问题;若样本量不足则可能导致检验效能过低,使得有效疗法或是有效药物不能被发现适应性设计允许研究者能够根据期中分析结果重新估算样本量,以使试验达到预设的检验效能。在实际临床试验中生存资料是一种常见的资料类型,期中分析时生存资料会产生大量的截尾数据,为样本量再估计带来了极大的挑战。期中分析时对试验揭盲,在揭盲状态下进行样本量再估计会破坏试验的完整性。本研究针对生存资料,探索盲态下样本量再估计方法。目的与方法本研究假定生存时间服从特定分布(指数分布或Weibull分布),在期中分析时,根据期中分析时间点模拟产生截尾的生存数据,对截尾的生存数据进行填补形成期中分析数据,对填补后的期中分析数据应用极大似然法进行盲态下样本量再估计,并采用Monte Carlo模拟实验的方法对样本量再估计结果的准确性和稳定性进行评价。构建基于log-rank检验的双臂临床试验,两组样本比例为1:1,试验开始前设定不同的参数初始估计值对样本量进行估计,并以参数初始估计值为依据设定搜索范围(Hunting zone,HZ),将搜索范围内用于模拟产生填补数据的参数称为填补参数。在期中分析时,以搜索范围为依据产生模拟数据对实际数据进行填补,用模拟数据中大于期中分析时间点的数据填补截尾数据,构成期中分析数据,对期中分析数据应用极大似然法进行参数再估计,在搜索范围内筛选出与填补参数之差最小的参数极大似然估计值做为期中分析时的参数再估计值,并计算出再估计样本量,该过程修正了EM算法依赖初始值设定的问题,称为调整的EM算法。设定两种不同的期中分析时间点划分方案,每种方案预设4个期中分析时间点,比较各期中分析时间点上的样本量再估计结果。方案1是以随访时间t设定4个期中分析时间点(Interim,I),4个期中分析时间点分别为I_1-I_4,I_1是入组结束时(T_0),I_2是T_0+0.25t,I_3是T_0+0.5t,I_4是T_0+0.75t;方案2是以事件数E(number of events)设定4个期中分析时间点,4个期中分析时间点分别为I_1、I_(2e)-I_(4e),I_1是T_0,I_(2e)是0.25E,I_(3e)是0.5E,I_(4e)是0.75E。每种参数背景下模拟实验次数为1000,计算再估计样本量的均值和标准差,与样本量理想值比较,评价再估计样本量的准确性和稳定性,对再估计样本量的均值进行log-rank检验,重复10000次计算相对应的α和power。结果与结论本研究分别模拟了生存时间服从指数分布和Weibull分布时的样本量再估计结果。主要研究结果和结论总结如下:1.当生存时间服从指数分布时,假定风险比HR不变,以对照组中位生存时间M_(10)为依据暂定搜索范围为M_(10)±0.5M_(10),对比不同HR时4个期中分析时间点样本量再估计结果;在期中分析点I_2-I_4和I_(3e)-I_(4e),且搜索范围包含参数真实值时,经过期中分析调整后的样本量再估计值(?)接近理想值,且标准差较小;考虑到实际应用中,期中分析时间点越晚,研究时间就越长,研究成本也随之增加,因此,相似背景下若以随访时间为划分依据,建议在I_2时进行期中分析;若以事件数为划分依据,建议在I_(3e)时进行期中分析。若是其他差异较大的背景时,需重新进行模拟实验,并根据模拟实验结果确定期中分析时间点。2.当生存数据服从Weibull分布时,待估参数是形状参数γ,根据以往相关文献确定γ的搜索范围,若风险率随着时间的推移而减小,则γ的搜索范围为0.5-1;若风险率随着时间的推移而增大,则γ的搜索范围为1-2;若风险率随着时间的推移变化不大,则γ的搜索范围为0.5-1.5;搜索范围包含参数真实值γ时,经过期中分析调整后的样本量再估计值(?)接近样本量理想值,但由于γ的微小变化可引起样本量的较大波动,因此样本量再估计值变异较大;同时建议相似背景下,在I_1时进行期中分析即可。若是其他差异较大的背景时,需重新进行模拟实验,并根据模拟实验结果确定期中分析时间点。(本文来源于《中国人民解放军空军军医大学》期刊2018-05-01）
朱典,王陵,李婵娟,蒋志伟,张威[8]（2018）在《基于指数分布的生存资料盲态下样本量再估计方法》一文中研究指出目的针对生存分析样本量再估计的适应性设计临床试验,本文基于指数分布,提出盲态下生存资料的样本量再估计方法。方法采用蒙特卡洛模拟方法,预设4个期中分析时间点,以参数初始估计值M_(10)为均数暂定搜索范围为M_(10)_±0.5M_(10),在该搜索范围内产生指数分布随机数对期中分析时的截尾生存数据进行填补,对填补后的数据进行极大似然估计,得到试验参数的再估计值M_1,若M_1落在搜索范围外,则需更改搜索范围以包含M_1,并重新进行搜索直至M_1落在搜索范围内,此时的M_1即为试验参数的再估计值,在此参数的基础上重新估计样本量,并比较4个期中分析点的样本量再估计结果,确定1个最合适的期中分析时间点。结果经过期中分析调整后的样本量接近真实值,且期中分析时间点越向后移,样本量估计结果越接近真实值,变异越小。结论建议在入组结束并完成1/4最短随访时间时进行一次期中分析重新估计样本量,根据估计结果考虑是否增加样本量。(本文来源于《中国卫生统计》期刊2018年02期）
张天嵩[9]（2017）在《Stata和R软件在生存资料Meta分析中的正确使用》一文中研究指出在系统评价或Meta分析中,风险比(Hazard ratio,HR)常作为效应量用于时间-事件结局分析,但在实践中,常因忽视数据的对数转换从而导致错误结果。本文以实例说明如何正确使用Stata和R软件对获得HR及其95%可信区间的生存资料进行Meta分析。(本文来源于《中国循证医学杂志》期刊2017年10期）
刘玛丽[10]（2017）在《青岛大学附属医院口腔黏膜原发黑色素瘤住院病人生存资料分析》一文中研究指出目的:本文旨在对青岛大学附属医院口腔颌面外科2000年1月至2015年12月住院的26例口腔黏膜原发黑色素瘤患者的病例资料进行回顾性研究,描述其病例特点及生存资料,探讨影响其临床预后的相关因素。为我院及国内口腔黏膜原发黑色素瘤病的诊治及预后工作完善病例资料及提供数据支持,有助于提高对本病的认识和诊治水平,改善患者的预后。资料与方法:收集我科最近16年的26例口腔黏膜原发黑色素瘤患者的病例资料,所有病例均由组织病理学确诊。统计分析26例患者的临床特点,并找出患者性别、年龄、临床分期、不同治疗方式与疾病预后间的关系。且对所有治疗患者随访总生存期,估计治疗患者的3年、5年生存率和中位生存期。所有统计分析都采用SPSS19.0软件包,以P<0.05为显着性标准。预后单因素分析采用Kaplan-Meier法并绘制生存曲线,Log-rank检验,以P<0.05为差异有统计学意义。结果:26例口腔黏膜原发黑色素瘤患者中,男性15例,女性11例,男女比为1.36:1。总体发病年龄在40岁左右,发病高峰年龄在50~70岁,中位发病年龄为53岁。发病部位中,原发于腭黏膜12例(46.15%)、牙龈黏膜11例(42.31%)、颊黏膜3例(11.54%)。III期患者8例,IVA期患者16例,两者之比为1:2,2例患者主动放弃治疗。16例患者出现颈淋巴结转移,转移率为61.54%。行单纯原发灶扩大切除术或冷冻术的患者均2人,其复发率为50%和100%;原发灶扩大切除术+冷冻术的患者共6人,复发率为50%;原发灶扩大切除术+冷冻术+颈淋巴结清扫术的患者共10人,复发率为30%;原发灶扩大切除术+冷冻术+颈淋巴结清扫术+生物免疫化疗的患者共4人,均无复发及颈淋巴结转移和远处转移,且其平均生存时间为8年10个月。24例患者的3年、5年生存率分别为41.7%和25%,中位生存期为30个月,III期和IVA期患者的3年、5年生存率分别为25%、25%;50%、25%。单因素预后分析显示,患者性别、年龄(≥56岁和<56岁)和临床分期(III期和IVA期)与患者的预后相关性没有统计学差异(P>0.05),不同治疗方式之间差异有统计学意义,即不同治疗方式与患者的预后存在相关性(P<0.05)。结论:1.青大附院口腔黏膜原发黑色素瘤患者男:女=1.36:1,总体高发年龄为50~70岁。高发部位为腭部黏膜和牙龈黏膜。2.青大附院口腔黏膜原发黑色素瘤患者IVA期(16例):III期(8例)=2:1。行原发灶扩大切除术+冷冻术+颈淋巴结清扫术+生物免疫化疗的患者生存时间、局部复发和颈淋巴结转移及远处转移均优于单纯行原发灶扩大切除术+冷冻术+颈部淋巴结清扫术的患者。3.24例患者的3年、5年生存率分别约为41.7%和25%,中位生存期为30个月。4.24例患者口腔黏膜原发黑色素瘤的预后与患者的性别、年龄和临床分期相关性无统计学差异,与患者的不同治疗方式差异有统计学意义。(本文来源于《青岛大学》期刊2017-05-26）
生存资料论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的在入组间期长的生存资料临床试验中,受试者入组速率可能受招募广告宣传等多因素影响而存在反复波动,本文采用截断混合高斯分布拟合这种入组速率变化并估计该入组模式下需要的样本量。方法在指数分布生存时间和指数失访假设下,采用多重积分法推导受试者入组速率服从截断混合高斯分布时的事件发生率及样本量计算公式;分别计算截断混合高斯分布中均值、方差、权重分配变化时样本量变化情况;通过Monte Carlo模拟对采用均匀分布估计波动入组速率可能引起的试验检验效能损失及对提出样本量计算公式的稳健性进行评价。结果截断混合高斯入组模式下各高斯组分的均值越小、均值较小高斯组分的方差越小、权重越大,需要的样本量越小,即受试者入组速率高峰出现较晚或早期入组速率波峰窄小时需要更多的样本量;采用均匀分布拟合波动入组速率可能会引起不同程度的试验检验效能不足,而在截断混合高斯入组模式计算的样本量下试验检验效能基本能稳定在预期水平;截断混合高斯入组模式还可以近似恒定入组速率,单调增或减入组速率等情况。结论截断混合高斯入组模式及提出的样本量计算公式具有较好的稳健性,适用性更广,可以用于生存资料临床试验样本量估计。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
生存资料论文参考文献
[1].王珺平.胆道系统恶性肿瘤患者临床特征资料与生存的相关性分析[J].吉林医学.2019
[2].胡海霞,王陵,李晨,李凡,朱典.截断混合高斯分布入组模式下生存资料样本量估计[J].中国卫生统计.2019
[3].郑丹丹.Wntless(Wls)与乳腺癌患者临床病理资料及生存预后的相关性分析[D].吉林大学.2019
[4].黄福强.含治愈个体生存资料的分析策略和亚组识别研究[D].南方医科大学.2019
[5].姜超,刘丽亚,邵方,于浩,陈峰.基于生存资料的Ⅱ/Ⅲ期无缝设计期中分析方法评价[J].中国卫生统计.2018
[6].韩雯.我市发布“家庭应急储备物品清单”[N].天津日报.2018
[7].朱典.生存资料盲态下样本量再估计方法研究[D].中国人民解放军空军军医大学.2018
[8].朱典,王陵,李婵娟,蒋志伟,张威.基于指数分布的生存资料盲态下样本量再估计方法[J].中国卫生统计.2018
[9].张天嵩.Stata和R软件在生存资料Meta分析中的正确使用[J].中国循证医学杂志.2017
[10].刘玛丽.青岛大学附属医院口腔黏膜原发黑色素瘤住院病人生存资料分析[D].青岛大学.2017
论文知识图
