求助：数据统计方法，求大神指导

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

我现在有一个数据集，是一个1000病人的部分数据，如下：
id          time                              PaO2         outcome
1     2016/02/03 14:23:00           78            die
1     2016/02/03 15:24:00           89
1     2016/02/03 18:44:00           90
1     2016/02/04 08:23:00           77
1     2016/02/04 12:33:00           100
1     2016/02/05 09:12:00           108
1     2016/02/06 14:25:00           103
2     2016/03/12 13:26:00           100           live
2     2016/03/12 15:35:00           99
2     2016/03/13 17:46:00           98
3     2016/03/03 16:23:00           109           die
3     2016/03/03 19:55:00           95
3     2016/03/04 20:25:00           93
3     2016/03/04 14:23:00           87
3     2016/03/04 17:20:00           113
4     2016/02/08 14:23:00           106           die
4     2016/02/08 15:24:00           80

...           ...                   ...           ...

其中，id为病人编号，time为记录时间，PaO2为病人血氧分压，outcome为病人最终的结局。现在我想研究病人的PaO2和病人死亡概率之间的关系，应该怎么做呢？因为PaO2的值和时间相关，且每个病人id对应了不同数量的PaO2的值，这样的话应该采取什么样的方法呢？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：数据统计 统计方法 outcome time Come 统计

结果为二值变量，做logistic回归就好

飞天玄舞6 发表于 2016-12-3 17:20
结果为二值变量，做logistic回归就好

但是PaO2怎么处理呢？每个病人都有多个PaO2值，总不能将每个病人的PaO2值取均数吧？

这个是非平衡的面板数据，可以将每个 id-time-outcome 视为一个样本，outcome对PaO2回归，并在回归中加入 id和时间 虚拟变量来控制

clarencelin 发表于 2016-12-3 21:46
这个是非平衡的面板数据，可以将每个 id-time-outcome 视为一个样本，outcome对PaO2回归，并在回归中加入 i ...

可是每个病人PaO2的记录时间都不一样，而且每个病人的PaO2值得数量也不同，可以用这种方法么？

lanhong1993 发表于 2016-12-3 22:04
可是每个病人PaO2的记录时间都不一样，而且每个病人的PaO2值得数量也不同，可以用这种方法么？

记录有无规律？比如接受治疗后多长时间

clarencelin 发表于 2016-12-4 14:12
记录有无规律？比如接受治疗后多长时间

时间没有规律。每个病人的时间不一样

lanhong1993 发表于 2016-12-4 22:15
时间没有规律。每个病人的时间不一样

既然没规律，那这个研究做出来有何意义？当然，我不是这个专业方向的，我肯定不懂，我仅凭直觉来看。

clarencelin 发表于 2016-12-5 09:58
既然没规律，那这个研究做出来有何意义？当然，我不是这个专业方向的，我肯定不懂，我仅凭直觉来看。

因为这是临床数据。每个病人的住院时间不同，长短也不同，所以每个病人的PaO2的都是从入院后开始测的，纪录时间间隔也不同。

对医学问题不懂，做数据挖掘，还是要充分了解业务背景的。
但是我有几个建议。
我现在接触的模型中，最复杂的就是有N多条时间序列。然后试图对时间序列进行聚类，或者multinominal回归。然后再根据类型和最后的结果对应。
你这个是典型的这类问题。
所以，我们尽量避免。
首先建立一个最粗浅的模型，就是最后一次测量的PaO2 和生死做一个逻辑回归。 看看是否显著。
第二部，我们建立一个最高，最低，初始，最终四个数值的模型，再做一个逻辑回归。 看看是否显著。
如果你觉得结果还行，就收手吧。
如果还不行，就要搞时间序列聚类分析了。这个时间序列聚类就是个坑啊。 特别是你这个频率还不固定。
我知道的几种基础方法，对时间序列做傅立叶变换，搞频域，时域这些指标 做聚类。 另一个是算时间序列的Arima 的参数，变量的值，然后聚类。

我觉得你这个数据，估计采样时间都不一样，特别是间隔不保证一样的话。 还要补点。 很大的一个坑。