دوره 14، شماره 1 - ( علوم پیراپزشکی و بهداشت نظامی (بهار 1398) 1398 )
جلد 14 شماره 1 صفحات 38-33 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Fallahzadeh H, Asadi F. Generalized linear mixed models:Introduction,Estimation method and Application in medical studies. Paramedical Sciences and Military Health 2019; 14 (1) :33-38
URL: http://jps.ajaums.ac.ir/article-1-176-fa.html
URL: http://jps.ajaums.ac.ir/article-1-176-fa.html
فلاح زاده حسین، اسدی فریبا. مدلهای آمیخته خطی تعمیم یافته: معرفی، روشهای برآورد وکاربرد آن در مطالعات پزشکی. علوم پیراپزشکی و بهداشت نظامی. 1398; 14 (1) :33-38
حسین فلاح زاده1 
، فریبا اسدی 2
، فریبا اسدی 2
1- گروه آمارزیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی شهید صدوقی یزد، یزد، ایران
2- گروه آمارزیستی، دانشکده پیراپزشکی و بهداشت فردوس، دانشگاه علوم پزشکی بیرجند، بیرجند، ایران ، fariba.asadi3@gmail.com
2- گروه آمارزیستی، دانشکده پیراپزشکی و بهداشت فردوس، دانشگاه علوم پزشکی بیرجند، بیرجند، ایران ، fariba.asadi3@gmail.com
چکیده: (2591 مشاهده)
مقدمه: در بسیاری از مطالعات بخصوص مطالعات پزشکی اغلب با داده هایی روبه رو هستیم که یا به صورت طولی ویا خوشه ای گردآوری شده اند.مدلهای آمیخته خطی تعمیم یافته که گسترش یافته مدلهای خطی تعمیم یافته ومدلهای آمیخته خطی هستند روش مفیدی برای تجزیه وتحلیل اینگونه داده ها می باشند. در این مقاله ضمن معرفی این مدلها وروشهای برآورد آنها با مثالهایی در زمینه پزشکی کاربرد این مدلها را توضیح میدهیم.
روش بررسی: داده های این مطالعه مربوط به 8525 بیمار با سرطان ریه است که برای تحلیل آنها از مدل رگرسیون لجستیک آمیخته توسط نرم افزار R نسخه 3.0.1 به روش لاپلاس استفاده شده است.
یافته ها : تحلیل رگرسیون نشان داد که سن،میزان تجربه دکتر ومرحله سرطان از عوامل موثر بر بهبودی افراد بیمار می باشد وعوامل فردی واندازه گیری نشده پزشک معالج 4.03 از تغییرات مربوط به متغیر پاسخ را پوشش می دهد.
نتیجه گیری: مدلهای خطی آمیخته تعمیم یافته با اینکه دامنه بسیار گسترده ای از داده ها را شامل می شوند ولی بسیاری از محققین بدلیل عدم آشنایی با این مدلها اثرات تصادفی را نادیده میگیرند واین امرموجب می شود که برخی از پارامترها به اشتباه معنی دار شوند.استفاده درست از این مدلها موجب می شود از بسیاری از این نتایج اشتباه جلوگیری شود.
روش بررسی: داده های این مطالعه مربوط به 8525 بیمار با سرطان ریه است که برای تحلیل آنها از مدل رگرسیون لجستیک آمیخته توسط نرم افزار R نسخه 3.0.1 به روش لاپلاس استفاده شده است.
یافته ها : تحلیل رگرسیون نشان داد که سن،میزان تجربه دکتر ومرحله سرطان از عوامل موثر بر بهبودی افراد بیمار می باشد وعوامل فردی واندازه گیری نشده پزشک معالج 4.03 از تغییرات مربوط به متغیر پاسخ را پوشش می دهد.
نتیجه گیری: مدلهای خطی آمیخته تعمیم یافته با اینکه دامنه بسیار گسترده ای از داده ها را شامل می شوند ولی بسیاری از محققین بدلیل عدم آشنایی با این مدلها اثرات تصادفی را نادیده میگیرند واین امرموجب می شود که برخی از پارامترها به اشتباه معنی دار شوند.استفاده درست از این مدلها موجب می شود از بسیاری از این نتایج اشتباه جلوگیری شود.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
