تحلیل داده های رتبه ای و همبسته پزشکی به کمک معادلات برآوردگر تعمیم یافته

مدل سازی داده های چند متغیره، همبسته و رتبه ای پزشکی معمولا دشوارتر از تحلیل داده های پیوسته یا دو حالتی است. برآورد پارامترهای رگرسیونی در چنین مدل هایی به سبب ماهیت همبسته و رتبه ای داده ها، با روش های معمول، نظیر روش حداکثر درستنمایی بسیار زمان بر و مستلزم طراحی برنامه های کامپیوتری پیچیده است.
در این مقاله، طریقه به کارگیری یک مدل رگرسیون حاشیه ای بخت های متناسب برای تحلیل این گونه داده ها و همچنین استفاده از روش معادلات برآوردگر تعمیم یافته را به منظور برآورد پارامترهای این مدل مورد بررسی قرار می دهیم. این روش مبتنی بر برآورد شبه درستنمایی بوده، انجام آن بسیار ساده تر از دیگر روش های معرفی شده در این زمینه است. همچنین، ساختارهای مختلفی برای توصیف همبستگی بین متغیرهای پاسخ ارائه و روش برآورد هر یک معرفی می شود.
روش تشریح شده در داده های به دست آمده از مطالعه وضعیت پریودنتال دانش آموزان 19-15 ساله تهرانی مورد استفاده قرار گرفت. با مقایسه نتایج حاصل از برازش مدل به کمک معادلات برآوردگر تعمیم یافته و روش حداکثر درستنمایی، مشخص شد که این روش برازش مناسب تری نسبت به روش حداکثر درستنمایی به دست می دهد.
بحث: روش معادلات برآوردگر تعمیم یافته، روشی مناسب و ساده برای تحلیل داده های همبسته و رتبه ای پزشکی است که می توان آن را جانشین روش های پیچیده تری نظیر حداکثر درستنمایی کرد.