利用伪观测值的逻辑混合效应模型在聚类二分类数据分析中估计风险比的新方法

　　本文提出了一种创新的伪观测值方法，通过改进逻辑混合效应模型（GLMM）直接估计风险比（RR），解决了传统方法在高事件频率数据中优势比（OR）难以解释的问题。该方法通过数据增强和自助法（bootstrap）计算置信区间，在保持缺失数据可忽略性的同时，为聚类随机试验和纵向研究提供了更准确的效应量估计。

　　

方法原理与理论基础

针对聚类二分类数据分析中传统逻辑混合效应模型只能获得优势比（OR）估计值的问题，研究团队开发了基于伪观测值的改进方法。通过向原始数据集添加事件指标为0的伪观测数据，再利用标准逻辑混合效应模型拟合增强后的数据集，使固定效应系数估计值转化为一致的风险比（RR）估计量。该方法通过偏移项校正和条件概率重构，在理论上保证了估计量的无偏性，其计算可通过R语言glmmrr包简便实现。

算法实现与统计推断

算法核心包含两个关键步骤：首先为每个聚类单元创建与原始观测数量相同的伪观测值（Y=0），然后对增强数据集进行逻辑混合效应模型拟合。由于传统方差估计存在偏差，研究推荐采用聚类水平的非参数自助法（bootstrap）进行置信区间估计，重复抽样次数需≥1000次以确保稳定性。模拟研究表明，即使存在20%缺失率的MAR机制，该方法仍能保持Little-Rubin可忽略性，满足实际应用需求。

实际应用验证

在蒙古妇幼健康手册的聚类随机试验中（500名参与者/18个地区），传统方法得到干预优势比达2.42（95%CI: 0.45-13.10），而伪观测方法获得的风险比仅为1.16（0.85-1.56），更符合81.7% vs 70.6%的粗事件率差异。按社会经济地位分层分析显示，前两个四分位数组的OR估计高达7.48和35.25，而对应RR估计分别为1.52和1.52，证实了OR在高事件频率场景下的过度估计问题。

在呼吸系统疾病纵向研究（111名患者）中，传统逻辑混合模型给出治疗OR=7.55（2.61-21.84），基线症状OR=18.36（5.92-56.96）；而伪观测方法获得的RR估计分别为1.61（1.22-2.17）和2.04（1.56-2.85），显著降低了效应量估计幅度，更符合临床实际解释需求。

模拟研究性能评估

通过重抽样生成不同参数组合的模拟数据（N=50-500，事件率20%-40%，τ=0.02-0.10），结果表明：传统逻辑混合模型估计的OR严重高估真实RR（偏差达0.664-1.593），而伪观测方法提供的RR估计均值（0.465-0.705）与预设真实值（0.47-0.69）高度一致。自助法标准误估计准确性随样本量增加而提升，95%置信区间覆盖率稳定在93.4%-95.8%之间，预期宽度随异质性参数τ增大而增加。

方法优势与应用前景

该方法突破了传统log-linear二项混合模型因概率预测值可能>1而导致的计算困境，兼具参数模型处理缺失数据的优势和风险比的直观解释性。相较于基于估计方程的修正Poisson回归，其完全参数化特性更适用于多水平建模框架，且能提供个体特异性效应估计。未来可进一步拓展至贝叶斯建模、机器学习整合以及非MAR机制的敏感性分析等领域，为临床试验和流行病学研究提供更可靠的效应量评估工具。