疟疾死亡风险的生存分析模型

论文摘要

本文探讨了生存分析模型的理论基础、模型拟合、变量选择和假设检验,并用实例说明了如何将该模型用于确定接触蚊子寄生虫和健康危险的关系。疟疾案例是加纳地区四家医院在四个月内的从病人住院到最终状态（死亡或再次检查）的数据,考虑偶然因素（暴露于疟疾寄生虫的水平）,并用生存分析建模技术分析。在取样的1793个病人中,405代表22.6%正在使用的驱虫蚊帐同时大多数病人（77.4%）用了其他类型的蚊帐,例如窗纱和普通蚊帐。它建立在在那些使用驱虫蚊帐的患者中,在四个月的研究内有16%的人死亡,而84%的幸存；但在相同的研究内,在未用驱虫蚊帐的患者当中,23%的人死亡77%的人幸存。男性和女性的生存期大致相同；这意味着,性别对于那些死于疟疾的病人的影响不是很显著。危险比率HR（t|exp osed group,less exp osed group）=1.5,表明暴露组比少暴露组的疟疾死亡风险高。Kaplan-Meier曲线显示有驱虫蚊帐（ITNs,用来减少暴露疟疾寄生虫）的病人比没有驱虫蚊帐的病人预计要活得好和长久。图形检验指出两个暴露水平下的生物医学数据平行；对数图形的平行是一个石蕊检验,用来评估相对危险（PH）假设。生存概率生命表同时也表明,愿意使用驱虫蚊帐作为阻止寄生虫感染手段的患者比不愿意使用的患者要活的好和长久。假设检验的结果是意义深远的。首先,从对数秩的检验结果（p值=0.0020＜0.0500）可以得出,如果我们研究了所有人口,并检测了两组的疟疾寄生虫暴露水平和健康危险的关系,则少暴露组和暴露组的生存曲线不同,少暴露组比暴露组有更长的健康生存时间。其次,我们注意到如果整个被诊断出患有的疟疾的患者被纳入研究范围,驱虫蚊帐使用组和非使用组存在显著差异；再次,由似然比试验的p值（0.0035＜0.0500）可以得出,居民用来防止暴露于寄生虫的方法是有效的,结果表明,使用驱虫蚊帐做为减少寄生虫感染的手段是很有意义的。第四,从瓦尔德的统计资料中可以看到,在调整了性别变量以后,这种被居民用来防止寄生虫感染的方法是很有效的。最后,从Mantel-Cox残余试验可以得到,在显著性水准为0.05和0.01时,失败的次数排名和Schoenfeld残余的关联是很重要的。这一结果足以证明驱虫蚊帐在防止疟疾死亡的风险上是有效的。研究结果表明需要进一步呼吁卫生保健专业人员和个人要采纳驱虫蚊帐作为疟疾祸害的手段。

论文目录

• 摘要
• ABSTRACT
• TABLE OF CONTENT
• LIST OF TABLES
• LIST OF FIGURES
• CHAPTER ONE:INTRODUCTION
• 1.1 Background to the study
• 1.2 Problem statement
• 1.3 Rational of the study
• 1.4 Study objectives
• 1.5 Research questions
• 1.6 Formulation of research hypothesis
• 1.7 Outline of chapters
• CHAPTER TWO:LITERATURE REVIEW
• 2.0 Introduction
• 2.1 Background of district under study
• 2.2 The disease malaria and its symptoms
• 2.3 Distribution of endemic malaria cases by countries
• 2.4 Transmission of malaria
• 2.5 Insecticide treated mosquito nets（ITNs）
• 2.6 Usage of insecticide treated nets
• 2.7 Ownership and usage of insecticide treated nets in Ghana
• 2.8 Research/interventions on ITNs and malaria control programs in Ghana
• 2.9 Economic and social burdens of malaria on the society
• CHAPTER THREE:SURVIVAL ANALYSIS MODELS
• 3.0 Introduction
• 3.1 Survival Analysis
• 3.2 Time scales,origins and terminations
• 3.3 Describing the Survival time data
• 3.4 Importance of survival analysis
• 3.5 Goals of survival analysis
• 3.6 Concept of censoring
• 3.7 Truncation
• 3.8 Likelihood construction for censored and truncated data
• 3.9 Time-dependent covariates
• 3.10 Survival analysis distribution
• 3.11 Non-parametric methods of estimation
• 3.12 Life tables
• 3.13 Product limit estimator
• 3.14 Parametric methods of estimation
• 3.15 Failure time distributions
• 3.16 Regression models
• 3.17 Accelerated failure time model（AFT）
• 3.18 Method for assessing the proportional hazard（PH） assumption
• 3.19 Maximum likelihood estimation
• 3.20 Hazard models
• 3.21 Hazard ratio
• 3.22 Developing the Cox proportional hazard model
• 3.23 Stratified Cox Model
• 3.24 Graphical approach to the log-log plot
• 3.25 Likelihood ratio test
• 3.26 Log-rank test for the exposed and less exposed groups（LRT）
• 3.27 Stratified log-rank test
• CHAPTER FOUR:METHODOLOGY
• 4.0 Introduction
• 4.1 Target population
• 4.2 Coding of data
• 4.3 Data analysis
• 4.4 Pictorial survival model for biomedical data
• CHAPTER FIVE:RESULTS OF ANALYSIS
• 5.0 Introduction
• 5.1 Comparing survival experiences of users and non-users of ITNs
• 5.2 Comparing the hazards rates of users and non-users of ITNs
• 5.3 Comparing the survival experiences of males and females
• 5.4 Assessing the proportional hazards model
• 5.5 Pictorial representation of hazards of malaria death
• 5.6 Running of stratified Cox model
• 5.7 Computer results of Cox proportional hazard model
• 5.8 Hypothesis testing
• CHAPTER SIX:SUMMARY,DISCUSSIONS AND CONCLUSIONS
• 6.0 Introduction
• 6.1 Summary
• 6.2 Discussion
• 6.3 Conclusion
• ACKNOWLEDGEMENT
• REFERENCES
• APPENDICES
• APPENDIX 1:List of published papers during the study for a degree