مدلهای آمیخته خطی تعمیم یافته: معرفی، روشهای برآورد وکاربرد آن در مطالعات پزشکی
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 و مدلهای آمیخته خطی هستند روش مفیدی برای تجزیه وتحلیل اینگونه داده ها می باشند. در این مقاله ضمن معرفی این مدلها وروش های برآورد آنها با مثال هایی در زمینه پزشکی کاربرد این مدلها را توضیح میدهیم.
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.
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.
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 می گیرند 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.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.