| 摘要 | 第9-12页 |
| ABSTRACT | 第12-14页 |
| 第一章 本研究涉及的遗传流行病学研究问题概述 | 第15-35页 |
| 1.1 引言 | 第15-16页 |
| 1.2 纵向研究的研究现状 | 第16-19页 |
| 1.2.1 纵向研究的定义 | 第16页 |
| 1.2.2 纵向研究的特点 | 第16-17页 |
| 1.2.3 纵向研究设计与分析方法的发展 | 第17-19页 |
| 1.3 应用统计学在遗传流行病学领域的发展 | 第19-23页 |
| 1.3.1 应用统计学在遗传流行病学领域的角色 | 第19-20页 |
| 1.3.2 应用型方法研究与创新型方法研究 | 第20-22页 |
| 1.3.3 本研究的方法研究类型 | 第22-23页 |
| 1.4 本研究的研究范畴 | 第23-26页 |
| 1.4.1 纵向研究中的缺失数据问题 | 第24页 |
| 1.4.2 生存偏倚 | 第24-25页 |
| 1.4.3 纵向研究中的高维数据降维与分析 | 第25-26页 |
| 1.5 本研究的意义 | 第26页 |
| 1.6 参考文献 | 第26-35页 |
| 第二章 纵向研究中的缺失数据处理 | 第35-57页 |
| 2.1 研究背景 | 第35-36页 |
| 2.2 本研究的数据特征 | 第36-37页 |
| 2.3 缺失数据插补以及光疗效应校正方法 | 第37-38页 |
| 2.3.1 光疗效应的设定 | 第37-38页 |
| 2.3.2 时间变量的选择 | 第38页 |
| 2.4 结果 | 第38-47页 |
| 2.4.1 混合模型的遴选标准 | 第38-42页 |
| 2.4.2 缺失数据插补和光疗效应校正结果 | 第42-47页 |
| 2.5 讨论 | 第47-51页 |
| 2.5.1 本研究的数据特点及形成原因 | 第47-48页 |
| 2.5.2 本研究的缺失数据插补和光疗效应校正方法的特点 | 第48-50页 |
| 2.5.3 缺失数据插补与光疗效应校正的效果 | 第50-51页 |
| 2.6 结论 | 第51-52页 |
| 2.7 参考文献 | 第52-57页 |
| 第三章 生存偏倚分析方法研究 | 第57-88页 |
| 3.1 研究背景 | 第57-58页 |
| 3.2 UGT1A1与CHD的研究现状 | 第58-60页 |
| 3.3 研究方法 | 第60-73页 |
| 3.3.1 理论研究群体与实际研究群体 | 第60-61页 |
| 3.3.2 实际病例对照研究比数比(OR_E)与理论比数比值(OR_T) | 第61-64页 |
| 3.3.3 OR_T的估计以及假设检验方法 | 第64-72页 |
| 3.3.4 OR_T的估计以及假设检验方法的实现 | 第72-73页 |
| 3.4 实例分析结果 | 第73-80页 |
| 3.4.1 实际数据的关联分析结果 | 第73-74页 |
| 3.4.2 算法实现 | 第74-76页 |
| 3.4.3 结果 | 第76-80页 |
| 3.5 讨论 | 第80-83页 |
| 3.5.1 生存偏倚的评估和检验 | 第80-82页 |
| 3.5.2 生存偏倚假设下的UGT1A1与CHD关联分析 | 第82-83页 |
| 3.6 结论 | 第83页 |
| 3.7 参考文献 | 第83-88页 |
| 第四章 单变量高维数据分析 | 第88-108页 |
| 4.1 研究背景 | 第88-89页 |
| 4.2 本研究的数据及传统分析方法 | 第89-91页 |
| 4.3 本研究的方法 | 第91-93页 |
| 4.3.1 SELDI蛋白质谱数据的预处理 | 第91-92页 |
| 4.3.2 本研究的方法构建 | 第92-93页 |
| 4.3.3 本研究的方法与传统分析方法的比较 | 第93页 |
| 4.4 结果 | 第93-99页 |
| 4.4.1 实例分析结果 | 第93-97页 |
| 4.4.2 与传统分析方法的比较结果 | 第97-99页 |
| 4.5 讨论 | 第99-103页 |
| 4.6 结论 | 第103页 |
| 4.7 参考文献 | 第103-108页 |
| 第五章 纵向研究高维数据分析——高原习服与非遗传性个体因素相关分析 | 第108-145页 |
| 5.1 研究背景 | 第108-111页 |
| 5.1.1 高原习服 | 第109页 |
| 5.1.2 高原习服与高原疾病、高原适应的关系 | 第109-110页 |
| 5.1.3 影响高原习服的因素 | 第110-111页 |
| 5.2 本研究的数据 | 第111-112页 |
| 5.3 统计分析方法 | 第112-113页 |
| 5.4 结果 | 第113-135页 |
| 5.4.1 样本的人口统计学特征 | 第113-114页 |
| 5.4.2 混杂因素——籍贯居住地海拔高度 | 第114-118页 |
| 5.4.3 高原习服生理性指标变化 | 第118-121页 |
| 5.4.4 混合模型分析结果 | 第121-125页 |
| 5.4.5 偏最小二乘路径模型分析结果 | 第125-129页 |
| 5.4.6 BMI与高原习服生理性指标的变化 | 第129-131页 |
| 5.4.7 吸烟与高原习服生理性指标的变化 | 第131-132页 |
| 5.4.8 饮酒与高原习服生理性指标的变化 | 第132-135页 |
| 5.5 讨论 | 第135-140页 |
| 5.5.1 混杂因素—籍贯居住地海拔高度 | 第135-136页 |
| 5.5.2 高原习服生理性调节过程 | 第136-137页 |
| 5.5.3 BMI与高原习服生理性调节 | 第137-138页 |
| 5.5.4 吸烟与高原习服生理性调节 | 第138页 |
| 5.5.5 饮酒与高原习服生理性调节 | 第138-139页 |
| 5.5.6 本研究的特点 | 第139-140页 |
| 5.6 结论 | 第140页 |
| 5.7 参考文献 | 第140-145页 |
| 第六章 纵向研究高维数据分析——高原习服与遗传因素相关研究 | 第145-197页 |
| 6.1 研究背景 | 第145-148页 |
| 6.1.1 缺氧诱导因子(HIF1α、HIF2α)的研究现状 | 第145-146页 |
| 6.1.2 内皮型一氧化氮合酶(eNOS)的研究现状 | 第146-147页 |
| 6.1.3 肌红蛋白基因(MB)的研究现状 | 第147-148页 |
| 6.2 本研究数据 | 第148页 |
| 6.2.1 流行病学调查数据 | 第148页 |
| 6.2.2 基因分型数据 | 第148页 |
| 6.3 统计分析方法 | 第148-149页 |
| 6.4 结果 | 第149-178页 |
| 6.4.1 HIF1α基因的研究结果 | 第149-159页 |
| 6.4.2 HIF2α基因的研究结果 | 第159-165页 |
| 6.4.3 eNOS基因的研究结果 | 第165-172页 |
| 6.4.4 MB基因的研究结果 | 第172-178页 |
| 6.5 讨论 | 第178-184页 |
| 6.5.1 HIF1α、HIF2α基因与高原习服 | 第178-180页 |
| 6.5.2 eNOS基因与高原习服 | 第180-181页 |
| 6.5.3 MB基因与高原习服 | 第181-182页 |
| 6.5.4 本研究的特点 | 第182-184页 |
| 6.6 结论 | 第184页 |
| 6.7 参考文献 | 第184-197页 |
| 结语 | 第197-200页 |
| 1. 本论文研究内容总结 | 第197页 |
| 2. 应用统计学在遗传流行病学领域的发展 | 第197-198页 |
| 3. 展望 | 第198-200页 |
| 论文发表情况 | 第200-201页 |
| 致谢 | 第201-204页 |
