描述流行病學(xué)META回歸框架

第一部分 理論方法
第1章 貝葉斯方法簡介
1．1 Meta分析實(shí)例：吸煙率
1．2 另一個Meta分析實(shí)例：吸煙率的隨機(jī)效應(yīng)模型
1．3 總結(jié)
第2章 率、比與病程的統(tǒng)計學(xué)模型
2．1 一個啟發(fā)性例子：精神分裂癥患病率
2．2 二項(xiàng)式模型
2．3 貝塔二項(xiàng)式模型
2．4 泊松模型
2．5 負(fù)二項(xiàng)模型
2．6 經(jīng)轉(zhuǎn)換的正態(tài)模型
2．7 下限數(shù)據(jù)模型
2．8 不確定性的量化
2．9 模型比較
2．10 總結(jié)及展望
第3章 年齡模式模型
3．1 樣條模型的定義
3．2 選擇節(jié)點(diǎn)
3．3 懲罰樣條模型
3．4 樣條模型的拓展
3．5 總結(jié)和展望
第4章 年齡模式的專家先驗(yàn)
4．1 水平先驗(yàn)
4．2 單調(diào)性先驗(yàn)
4．3 先驗(yàn)不僅僅用于樣條
4．4 年齡模式的層次相似性先驗(yàn)
4．5 總結(jié)和展望
第5章 異質(zhì)年齡組的統(tǒng)計學(xué)模型
5．1 重疊年齡組數(shù)據(jù)
5．2 中值模型
5．3 解集模型
5．4 年齡組寬度作為協(xié)變量的中值模型
5．5 年齡標(biāo)化和年齡積分模型
5．6 模型比較
5．7 總結(jié)和展望
第6章 協(xié)變量建模
6．1 解釋偏倚的交叉游走固定效應(yīng)
6．2 改善樣本外估計的預(yù)測固定效應(yīng)
6．3 解釋變異的固定效應(yīng)
6．4 空間變異的隨機(jī)效應(yīng)
6．5 協(xié)變量與一致性
6．6 總結(jié)和展望
第7章 其他類型資料的患病率估計
7．1 一個啟發(fā)性例子：人口動力學(xué)
7．2 人群疾病的系統(tǒng)動力學(xué)模型
7．3 地方性平衡點(diǎn)
7．4 正向模擬的例子
……
第二部分 實(shí)例應(yīng)用