词条分类 - 公卫百科

疾病进展时间-统计

疾病进展时间（time-to-progression），指研究对象从观察起点（如随机化分组）至终点事件（如疾病）进展恶化所经历的时间，该时间只包含了该研究事件的恶化期。

定义

无病生存时间-统计

无病生存时间（disease-free survival），又称“无病生存期”，指研究对象从观察起点（如随机化分组）到某终点事件（如疾病）复发或者任何原因导致的终点事件（如死亡）发生所经历的时间，常用于根治性手术治疗或放疗后的辅助治疗。 ...

定义

无进展生存时间-统计

无进展生存时间（progression-free survival），又称“无进展生存期”，指从观察起点（如随机化分组）到研究事件（如疾病）进展或终点事件发生(如因病死亡)所经历的时间，包含了疾病恶化期的概念，可用于评估一些治疗的临床效益。 ...

定义

总生存时间-统计

总生存时间（overall survival），又称“总生存期”，指在纳入生存分析的观察对象中，每个对象从观察起点到终点事件发生（可以是任意原因死亡）所经历的所有时间。

定义

生存时间-统计

生存时间（survival time），又称“失效时间(failure time)”，广义指从规定的观察起点到某一特定终点事件出现的时间长度，狭义指研究对象在死亡前所经历的时间。

定义

起始事件-统计

起始事件（initial event），指在研究中，某个感兴趣的研究事件的开始，例如某健康事件的发病时间，第一次确诊时间，或接受正规治疗的时间等。

定义

终点事件-统计

终点事件（terminal event），又称“失效事件(failure event)”，指在研究中，某个感兴趣的研究事件的结局，例如某种疾病的发生，某种处理（治疗）的反应，疾病的复发或死亡等。

定义

生存分析-统计

生存分析（survival analysis），指用于研究事件发生时间及其影响因素的一类统计方法。主要处理时间至事件数据，考虑删失情况，常用模型包括考克斯（Cox）比例风险模型和卡普兰-迈耶（Kaplan-Meier）估计。广泛应用于医学、工程和社会科学领域。 ...

定义

完全独立模型-统计

完全独立模型（completely independent model），指在三维或多维分类变量的分析中，所有变量之间完全独立，在概率上可以累乘，该类模型包含全部一阶作用项，但不包含二阶作用项的模型。

定义

联合独立模型-统计

联合独立模型（jointly independent model），指一种统计建模方法，假设多个随机变量在联合分布中相互独立，常用于简化复杂系统的概率计算。通过分解联合概率为边缘概率的乘积，降低模型复杂度，适用于高维数据分析与机器学习任务。 ...

定义

条件独立模型-统计

条件独立模型（conditional independent model），指利用条件独立性假设来对联合概率分布进行因式分解，从而简化概率分布的推理和计算过程的一类模型。

定义

无二阶交互效应模型-统计

无二阶交互效应模型（no second-order interaction model），指当模型考虑纳入三个自变量，但并未考虑这三个自变量因素间的交互效应的一类不饱和模型。

定义

不饱和模型-统计

不饱和模型（unsaturated model），指独立参数的个数小于分类变量所有类别的组合数的一类对数线性模型模型。

定义

两两关联模型-统计

两两关联模型（pairwise association model），指给变量间的关系设定一个特殊结构，减少交互作用项的数量，在一定程度上描述变量间关系的统计方法。

定义

二阶交互效应-统计

二阶交互效应（second order interaction effect），指在多元回归模型中，当三个自变量相互作用时，对因变量产生的联合影响。

定义

一阶交互效应-统计

一阶交互效应（first order interaction effect），指在多元回归模型中，当两个自变量相互作用时，对因变量产生的联合影响。

定义

饱和模型-统计

饱和模型（saturated model），指独立参数的个数等于分类变量所有类别的组合数，即包含了所有变量的主效应，低阶交互效应和高阶交互效应的模型，其理论频数完全拟合了实际频数。

定义

对数线性模型-统计

对数线性模型（log-linear model），指可以解决分类变量（因素）之间是否相关，以及分析分类变量对频数的独立影响的一类广义线性模型。

定义

负二项分布-统计

负二项分布（negative binomial distribution），指描述在一系列独立伯努利试验中，成功次数达到固定值之前失败次数的概率分布。概率密度函数包含两个参数：成功的次数和每次试验的成功概率。

定义

过离散现象-统计

过离散现象（over-dispersion），指随机变量的方差远远大于其均数的现象。

定义