 |
|
link 12.03.2011 13:28 |
|
Subject: метод Монте-Карло с цепями Маркова мета-анализ РКИ. Дано описание статистических методов.We excluded comparisons with zero events in both groups from the relevant analysis since such comparisons provide no information on the magnitude of the treatment effect. We used a Bayesian random effects model, which fully preserves randomised treatment comparisons within trials. Analyses were done using Markov chain Monte Carlo methods with minimally informative prior distributions. перевожу: Периоды времени с нулевыми событиями в любой из групп были исключены из анализа, поскольку такие сравнения не дают информации относительно эффекта терапии. Мы использовали Бейесианскую модель случайных эффектов, которая полностью сохраняет рандомизированное сравнение внутри исследований. Анализ проводился методом Монте-Карло с использованием цепей Маркова with minimally informative prior distributions - вот на prior распределении затормозил - минимальный объем выборки? |
|
Нет, скорее, речь об исходном распределении. Информация о нем помогает найти путь к наилучшему решению. Об объеме здесь ничего не сказано. Но в статистике я не сильна, а просто слышала звон. |
|
link 12.03.2011 14:05 |
|
спасибо, у меня пока вчерне с минимальным количеством информации при моделировании априорного распределения |
|
с минимальной информацией об исходном распределении Моделируют-то все-таки какое-то актуальное/текущее распределение, но хорошо при этом знать что-либо об исходном. |
|
link 12.03.2011 14:21 |
| спасибо, хотя термин априорное/апостериорное распределение гуглится именно в отношении теоремы Байеса |
| А что моделируют? |
|
link 12.03.2011 14:31 |
| слова подходящего никак не найду...поскольку с методом не знаком |
|
link 12.03.2011 14:34 |
| От Вас разве что ускользнет:)! |
|
Тогда смысл вот в чем. Метод Монте-Карло предусматривает генерирование выборки случайных чисел необходимого объема (distribution). Вот здесь доступно: http://www.statsoft.ru/home/portal/glossary/glossarytwo/M%5CMarkovChainMonteCarloMCMC.htm Соответственно, каждый раз генерировались новые выборки, не связанные с ранее сформированными. |
|
link 12.03.2011 14:45 |
|
спасибо, завтра с утра на свежую голову попробую вникнуть. Там далее есть один непонятный момент As measures of treatment effects, we calculated rate ratios based on patient years. We estimated rate ratios from the median of the posterior distribution as well as corresponding 95% credibility intervals вопрос с rate ratios поробовал так, но совсем не уверен Для оценки эффектов терапии мы рассчитывали ОР на основании длительности наблюдений (пациенто-лет). ОР были вычислены по медиане апостериорного распределения, а также соответствующим 95% доверительным интервалам |
| Эффекты лечения выражали в виде отношений частот (событий) из расчета на пациенто-год терапии. Данные отношения рассчитывали для медианы и границ 95% доверительного интервала результатов моделирования с использованием последней выборки (случайных чисел). |
|
link 12.03.2011 15:03 |
| спасибо большое! |
|
link 12.03.2011 16:02 |
| Bayesian model -- Байесова модель |
|
link 12.03.2011 16:03 |
| И цепь Маркова только одна. |
|
link 12.03.2011 16:30 |
| да, я уже увидел, спасибо! (ни разу ни Перельман, Вы поняли:) |
|
link 12.03.2011 19:18 |
| You need to be logged in to post in the forum |