fa مدلهای آمیخته خطی تعمیم یافته: معرفی، روشهای برآورد وکاربرد آن در مطالعات پزشکی مقالات کامل full articles پژوهشي Research <strong>مقدمه</strong>: 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<span dir="LTR">.</span> در این مقاله ضمن معرفی این مدلها وروشهای برآورد آنها با مثالهایی در زمینه پزشکی کاربرد این مدلها را توضیح میدهیم.<br> <strong>روش بررسی:</strong> داده های این مطالعه مربوط به 8525 بیمار با سرطان ریه است که برای تحلیل آنها از مدل رگرسیون لجستیک آمیخته توسط نرم افزار <span dir="LTR">R</span> نسخه 3.0.1 به روش لاپلاس استفاده شده است.<br> <strong>یافته ها : </strong>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.<br> <strong><span dir="RTL">نتیجه گیری: </span></strong><span dir="RTL">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.</span> <div><strong>Introduction:</strong> In medical studies, we are often confronted with data that have been collected longitudinal or cluster. The generalized Linear mixed models that had been developed from the generalized linear models and linear mixed models- are useful methods for analyzing such data. In this paper, we introduced this models and their estimation methodologies using examples of their application in the medical field.<br> <strong>Methods and Materials:</strong> The data of this study were related to 8525 lung cancer patients that mixed logistic regression model was used for the analysis with R software version 3.0.1 by Laplace method.<br> <strong>Results:</strong> Regression analysis showed that age, level of experience of doctors and cancer stage were factors affecting on recovery of patients. Individual and not measured factors covered 4.03 variation of response variable.<br> <strong>Conclusion:</strong> Generalized linear mixed models include a wide range of data, but many researchers ignored the random effects due to the lack of familiarity with these models. This mistakenly leads to some parameters have significant meanings. Correct use of these models leads to prevent many false results.</div> <div></div> مدلهای آمیخته,اثرات تصادفی, روش لاپلاس, مونت کارلو Mixed models, Random effects, Laplace method, Monte Carlo 33 38 http://jps.ajaums.ac.ir/browse.php?a_code=A-10-308-1&slc_lang=fa&sid=1 Hosein Fallahzadeh حسین فلاح زاده zigorat.fa3@gmail.com 1003194753284600804 1003194753284600804 No Department of Biological Statistics, Faculty of Health, Shahid Sadoughi University of Medical Sciences, Yazd, Iran گروه آمارزیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی شهید صدوقی یزد، یزد، ایران Fariba Asadi فریبا اسدی fariba.asadi3@gmail.com 1003194753284600805 1003194753284600805 Yes Department of Biological Statistics, Faculty of Para-medicine and Health, Birjand University of Medical Sciences, Birjand, Iran گروه آمارزیستی، دانشکده پیراپزشکی و بهداشت فردوس، دانشگاه علوم پزشکی بیرجند، بیرجند، ایران