怎么使用Joinpoint 回归模型计算apc和aapc （GBD系列第四集）

Joinpoint 回归模型简介

Joinpoint 回归模型是一种统计方法，用于分析时间序列数据中趋势的变化。它通过识别数据中的“连接点”（joinpoints），将时间序列分成若干个线性片段，每个片段具有不同的斜率。这使得我们能够更精确地描述趋势在不同时间段内的变化情况。

• APC (Annual Percent Change):

   指的是在 某个时间段内，趋势变化的百分比。在 Joinpoint 模型中，每个线性片段都有一个 APC，表示该片段内趋势的增长或下降速度。

• AAPC (Average Annual Percent Change):

   指的是在 整个研究期间，趋势变化的平均百分比。AAPC 是对所有 APC 的加权平均，能够更全面地反映总体趋势。

文章代码解析 (Joinpoint 计算 APC 和 AAPC)

文章中提供了使用 GlobalBurdenR 包进行 Joinpoint 分析的代码。以下是对代码的详细解析，重点关注 APC 和 AAPC 的计算。

gbd_joinpoint_analysis_NIH 函数是 GlobalBurdenR 包中用于执行 Joinpoint 回归分析的核心函数。它封装了复杂的统计计算过程，采用joinpoint官方的命令行工具，并提供了易于使用的接口，分析速度更快。让我们深入了解一下这个函数是如何计算 APC 和 AAPC 的。

首先对数据进行筛选：

data2=gbd_filter(data,measure=='Incidence',age=='Age-standardized',metric == "Rate",                 location %in% c('China','Viet Nam'))

然后，计算标准误差（