عنوان

کاربرد مدل متغیر پنهان درداده‌های بیماری تصلب شرایین با پاسخ های دو متغیره همبسته ی پیوسته و دوحالتی

IR

۱۹۸۰پ

فارسی

IR

کاربرد مدل متغیر پنهان درداده‌های بیماری تصلب شرایین با پاسخ های دو متغیره همبسته ی پیوسته و دوحالتی

[پایان‌نامه]

Applying latent variable models in atherosclerotic disease in Correlated Bivariate Continuous and Binary Outcomes

علوم بهزیستی و توانبخشی University of Social Welfare and Rehabilitation Sciences))

، ۱۳۹۴

ه،۷۱ص.

پیوست

چاپی

کارشناسی ارشد

آمار statistics

۱۳۹۴/۰۲/۳۰

علوم بهزیستی و توانبخشی University of Social Welfare and Rehabilitation Sciences))

مقدمه :یکی از روش‌های متداول در بررسی مدل‌صهایی با متغیرهای پاسخ همبسته‌صی آمیخته)نا همخوان(، نادیده گرفتن همبستگی بین پاسخ‌صها و برازش مدل جداگانه به هر متغیر پاسخ می‌باشد .چالش‌های ایجاد شده در این روش از لحاظ آماری بحث برانگیز می‌باشد، از دست دادن اطلاعات بدلیل نادیده گرفتن همبستگی و برازش مدل جداگانه، که منجر به کاهش توان آزمون و افزایش خطای استاندارد می‌صشود از جمله‌صی آن‌صهاست .هدف از این مطالعه بررسی روشی است که در آن متغیر های پاسخ آمیخته به صورت همزمان با درنظرگرفتن همبستگی بین پاسخ‌صها و مدل‌صسازی همبستگی، با استفاده از واریانس متغیر پنهان برآوردی نااریب از ضرایب گزارش شود .مواد و روش‌صه‍ـا :در این مطالعه‌صی مقطعی به منظور بررسی و مقایسه روش معرفی شده، اطلاعات 287 نفر از افراد بستری در بخش تخصصی قلب بیمارستان شهیدمدنی خرم آباد که در سال 1390 جمع آوری شده بود مورد استفاده قرار گرفت اطلاعات مورد نظر از پرونده های پزشکی، برگه شرح حال و آزمایش های بدو ورود بیماران ثبت شده بود .روش نمونه گیری نیز، از نوع نمونه گیری در دسترس بود .برای شناسایی همزمان عوامل خطر مرتبط با کلسترول تام و قند خون ناشتای بیماران از مدل متغیر پنهان با پاسخ های دو متغیره‌صی پیوسته و دوحالتی استفاده شد .برای تجزیه و تحلیل داده ها از نرم افزار SAS نسخه‌صی 9.2 استفاده شد .یافت‍ــه ها :در مدل متغیر پنهان در ارتباط با پاسخ قندخون ناشتا متغیر های سن(0035/0=P) ، جنسیت(0011/0=P) ، سیگاری بودن (0346/0=P) و تری گلیسیرید (0018/0=P)و در ارتباط با پاسخ کلسترول تام متغیرهای فشارخون سیستولیک(0116/0=P)، فشارخون دیاستولیک(0008/0=P)، سرعت رسوب گلبول های قرمز (0477/0=P) و پروتئین واکنشی- سی (0075/0=P) معنادار بودند .فاصله اطمینان‌صها و خطای معیار در مدل متغیر پنهان کمتر از مدل یک متغیره بودند .نتیجه گی‍ــری :هنگامی که هدف از مطالعه بررسی ارتباط بین متغیرهای پاسخ همبسته‌صی آمیخته باشد، روش برازش همزمان در مدل متغیر پنهان می‌تواند جایگزینی مناسب برای روش برازش جداگانه‌صی مدل به متغیر های پاسخ و نادیده گرفتن همبستگی میان پاسخ‌صها باشد .واژگان کلی‍ــدی :متغیر پنهان، پاسخ‌صهای آمیخته، روش‌صهای چند متغیره، مدل پروبیت، تصلب شرایین .

Background: One of the most common methods in the study of mixed models with correlated response variables (non-compatible), is ignoring the correlation between responses and estimating separated model to each response variable. Challenges created by this method is statistically controversial losing the information due to the ignoring the correlation and estimating separation model, resulting in reducing of power and increasing the standard error of the test. The purpose of this study, was to examine the way in which mixed response variables simoultanously considering the correlation between responses and correlation modeling using latent variable variance, unbiased estimate of coefficients reported. Materials and Methods: In this cross-sectional study to compare the methods presented, information of 287 subject who admitted in Specialize ward of cardiovascular in Shahid Madani hospital of Khorramabad in 2011, was used. Information from medical records, test sheets and statements of admission was recorded. Method of sampling was conveneice sampling. To identify simultaneously risk factors associated with total cholesterol and fasting blood glucose simultaneously, latent variable model with two continuous and binary outcomes was used. For analyzing the data SAS version 9.2 was used. Findings: In the latent variable model in relation with blood glucose response, age (p=0.0035), sex(p=0.0011), smoking(p=0.0346), triglyceride(p=0.0018), and with the relation with total cholesterol response, systolic blood pressure(p=0.0116), diastolic blood pressure (p=0.0008), Erythrocyte sedimentation rate(p=0.0477), C-Reactive Protein (p=0.0075) were significant. Confidence intervals and standard errors in latent variable model were less than univariate model. Conclusion: When the purpose of the study is to investigate the relationship between mixed correlated outcome, estimating the latent variable model simultaneously is a good alternative for fitting separated model to response variables and ignoring the correlation between the outcomes. Key words: Latent Variable, Mixed Responses, Multivariate Methods, Probit Model, Atherosclerosis.

ba

Applying latent variable models in atherosclerotic disease in Correlated Bivariate Continuous and Binary Outcomes

Latent Variable

متغیر پنهان

Latent Variable

دالوند، سحر

Dalvand,Sahar

ایران

دانشگاه علوم توان بخشی و سلامت اجتماعی

1980t.pdf

محرمانه

محرمانه

1980t.pdf

2634656

مرجع

متن

0

۰۸۹۱پ

محل نگهداری: دانشگاه علوم بهزیستی و توانبخشی

نمایه‌سازی قبلی

چاپی-الکترونیکی

TF

1

a

Y