抽象性
以平均值为基础的饮食数据分析方法有可能因未观察到异异性而隐蔽摄取分布尾端潜在重要关联,即缺量或超量最大上下尾部进食数据参与者在提交健康行为干预时行为变化最大需要替代统计方法建模这些关系以充分描述干预的影响使用数据图萨路德¡西昆塔家庭干预传统平均回归数描述健康行为干预对健康不健康饮食指数的影响平均回归模型发现干预组和标准护理组之间膳食摄取无差对比之下,量化回归显示不健康饮食指数与不健康饮食指数分布尾端研究组间非恒定关系传统中值线性回归无法充分描述干预对健康和不健康饮食的影响,导致对关联理解有限
开工导 言
多健康行为干预侧重于积极生活方式变化,领域增加体能活动和健康饮食接受这些行为改变可以预防或减少美国少数民族人口中肥胖对健康的负面影响美籍墨西哥人特别容易缺乏运动和不良饮食,因为与非西班牙白人相比缺少果菜消费一号,2..尽管研究表明饮食摄取比其他族裔群体差,但在墨西哥裔美国人中,健康不健康食物摄取有异性[3..
饮食摄取数据通常使用自报工具测量,个人食物摄取汇总成构件数据或模式描述整体饮食使用均值法分析饮食数据时,如普通最小二分回归法,与分布层下层和上层疾病风险的潜在重要关系可能因不可见异性而被混淆上尾或下尾进食数据参与者, 缺或溢最大, 理论上行为变化最大 当显示健康行为干预时!需要替代统计方法建模这些关系以充分描述干预的影响这一点在某些人群中特别突出,如美籍墨西哥人,文化化和语言等变量影响食物选择和坚持传统与西方饮食模式3-6..
量化回归由Koenker和Bassett开发,主要用于风险管理和业务领域7..量化回归扩展用于处理纵向数据,基于不同方法计算主题内串行关联性,并一直用作平均回归法的重要替代物,因为非异常数据建模或多式条件分布法灵活度[8..QR可建模条件响应分布,不单以条件均值计算,当有价值的信息出现在尾部时提供关键研究洞见QR计算强度强,没有设备处理小数据集,但比平均回归强异比强,其中条件平均值估计可强受外部值影响
QR对健康和行为科学应用正在增加,可成为卫生研究人员的宝贵统计工具QR用于评价物理活动或饮食摄取对BMI等某些变量的不同分量[九九-12腰环形13社会-经济状态14和风险因素疾病结果 包括与健康有关的分数和生物标志数据15-19号..有限数项研究引入基于QR方法,具体应用到行为数据20码-22号..研究有限,重点是如何使用并应用QR结果改善行为干预并保持行为变化随时间推移,可能以不同方式处理人口分布上下尾巴
此次审查的目的是通过插图显示传统平均线性回归与QR对行为干预研究中真实数据的实际作用来比较QR,目的是改善健康饮食并显示QR对全面描述关系是否有用
二叉线性量性混合效果回归
等一等 位测量 -Th主体 )时段 ,并定义线性混合效果回归模型 去哪儿 正向量 数位变换 , 是一个未知 向量回归参数和i-th主体内观察相关性由主题级残留物即 矢量 和关联向量 For 随机效果变量错误术语可定义为 ,随机错误记录 ,互为独立线性量化混合模型基于非对称 Laplace分布法23号性能良好多误差分布生成数据 与L关系一号核心目标函数7..let响应变量 ALD表示 ,然后我们可以定义概率密度函数 去哪儿 skewness参数 位置参数 缩放参数和损函数 表示剩余物的贡献 .假设定位参数 ,量化回归模型 -数位响应变量 ,条件依赖 并 ,有表单 : 去哪儿 矢量量化回归参数对应系数 线性回归模型一号和) ~ ,并依赖 .目标函数 定点τ表示式 微分回归参数最小化目标函数正像我们假设 ~ ,ALD确定为正常分布比例混合法,基值为Laplace分布法和scewness参数 视之为量化级后似然 时间点 -可表示四分位数 if 视之为扰动参数, 最大似值以上等于最小化量化回归目标函数4上定义更多估计过程细节可到别处查询8..
3级实例
3.1.图萨路德¡西昆塔家庭干预
当前研究使用的行为数据取自图萨路德¡西昆塔家庭干预.随机控制实验的主要目标之一是提高参与者健康食品摄取量并通过接触社区卫生工作者行为改变干预来减少不健康食物摄取量研究在德克萨斯Rio Grande山谷地区展开,参加者为墨西哥裔美国成年人,年龄18-75岁,并正在Cameron县Choort注册一号,24码..从2010年6月至2013年4月随机选择并随机加入干预或标准护理组干预组在干预前6个月接受最多6次社区保健工作家访,包括改变生活方式教育、动机和支持审判最后6个月除标准护理组外,没有其他干预元素提供标准护理组参与者12个月中有可能接触全社区运动和健康饮食运动数据采集基准6至12个月后续
参与者填写膳食摄取问答表,查询昨天是否食用20种文化上合宜的食物,并有多少次提供下列回复:不,一,二,三,四,五或五次以上25码,26..响应归纳为健康非健康食用指数(HEI和UNHEI分别为HEI和UNHEI)。HEI评分包含对10健康食品的响应(烤鱼或烤鱼、火鸡或鸡!鸡蛋大豆果实果汁橙菜其它菜沙拉全粮面包和全谷粒) 可能的响应范围介于0至50UNHEI由9项不健康食品响应组成薯条或薯片油炸肉冷冻甜点红色加处理肉类非巧克力糖果普通苏打水加糖或运动饮料范围介于0至4527号..HEI和UNHEI评分似乎完全接近正常分布
3.2量化回归和平均回归
为了评估干预对健康和不健康饮食的影响,根据线性混合效果模型方程进行了多变纵向QR和均值模型 索引评分 ,可以是HEI或UNHEI测量 -s参赛者 )访问时 二进制变量 学习分组 =1干预) 并 模拟变量用于两次后续访问,即6月访问2月和12月访问3月学习组和后续访问之间的交互条件都包括在模型中,以获取对每个时点干预效果的估计值。 由一组潜在混淆者组成并按模型调整(即性别、年龄、糖尿病、婚姻状况、学校年限、就业状况、保险类型、生成和优先语言) 关联参数向量我们还考虑随机拦截,加误差词 面向 -Th主体我们使用lqmmR打包8QR模型和SASroc混合中值模型
3cm3结果
500名参与者随机分送标准护理组或干预组,分别为n=250基准平均HEI评分为标准护理组6.6(标准偏差SD=3.3)和干预组6.9(SD=3.5)。平均UNHEI评分为5.4(SD=3.4)和干预组5.6(SD=3.6)。
QR结果和平均回归图一号.红线表示基于平均模型估计贝特系数对每个时间点研究组产生效果,显示中等HI小微差(即贝特系数 <0.4)和平均UNHEI基次和后续干预和标准护理组间微小差
关于HEI,QR结果和平均回归无重大差异对比之下,QR结果显示不健康进取和学习组间非恒定关系基点上UNHEI评分分布与学习组关联不恒定,因为干预组更有可能在研究开始时处于UNHEI分布尾端6月6日干预效果前后不一举个例子,UNHEI分布上尾端干预组得分较高, =0.05和0.75干预组报告UNHEI分数比控制组低上尾分布关联强度比基准减6个月更惊人的是,12个月后续QR显示干预组中不健康食物摄取量比控制UNHEI数据分布尾端参与者增加
4级讨论
平均回归结果显示健康饮食指数在干预组和标准护理组间差最小,不健康饮食索引也是如此研究者错误假设干预未能增加健康食品摄取量或减少不健康食品摄取量,或可能推断不改变的原因可能不是干预本身,而是由于信息偏差或社区干预环境变化。
对比之下,QR结果突出研究组与结果间不同关系估计系数不均匀分布UNHEI基准和后续跟踪结果这些结果可能显示UNHEI结果的基线偏差,在均值回归法下无法识别,并应考虑调整偏差方法类似地,6个月后续处理时,使用中值法干预保护效果也会被忽视。QR结果12个月后续发现研究组与联合国HEI关系前后不一UNHEI下尾部分干预保护,然后关系转转UNHEI上尾整体而言,UNHEI干预组和标准护理组之间差别微小,但UNHEI分布尾端除外。表示纯均值方法可能不适合评价干预对非可见异异性人群饮食摄取行为的影响
5级结论
传统中值线性回归无法充分描述健康不健康饮食与干预之间的关系,导致对干预效果理解有限。量化回归使用发现一种不同关系,在结果分布中建模系数,从而更完整地了解关联性量化回归结果中的这些发现可应用到多组化中开发更有效的行为干预试验
披露
内容完全由作者负责,不一定代表NIH CTSA或NNIHD或UTCO的官方观点
利益冲突
作者声明他们没有利益冲突
感知感知
作者感谢Dr.Belinda Reininger指导支持通过从干预程序观察行为数据展示统计方法图萨路德¡西昆塔家庭干预UT卫生诊断翻译科学奖(UL1TR000371)NIH/国家少数健康差异研究所(MD000170P20)和得克萨斯州卫生局为得克萨斯大学社区拓展项目提供资金支持作者想确认休士顿UT健康科学中心生物统计学/流行病学/研究设计部分提供的支助,该部分主要由NIH翻译科学中心Formation UL1RR024148供资