fa مدل‌های بازگشتی تصحیح واریانس در مطالعات پزشکی توصیفی Descriptive <b>مقدمه: </b>در بسیاری از مطالعات پزشکی و اپیدمیولوژی هر فرد تحت شرایطی می‌تواند وقایعی را چندین بار، یکی پس از دیگری و به صورت متوالی تجربه نماید که آن‌‌ها را وقایع بازگشتی می‌نامند. اهداف وسیع تحلیل این‌گونه وقایع می‌تواند شامل توصیف فرآیند رخداد واقعه در افراد، پراکندگی وقایع از فردی به فرد دیگر و رابطه بین متغیرهای پیش‌بین ثابت یا وابسته به زمان با زمان رخداد واقعه باشد. از این رو، هدف اصلی این مقاله ارائه و تفسیر مدل‌های پیشرفته آماری به منظور تحلیل درست این وقایع بود که در سال‌های اخیر پیشنهاد شده‌اند.<br> <b>مواد و روش کار:</b> در این مقاله، برای مدلسازی وقایع بازگشتی روش‌های تصحیح واریانس که شامل مدل‌های AG، شرطی PWP (PWP-TT و PWP-GT) و مدل‌ حاشیه‌ای WLW هستند، ارائه و با یکدیگر مقایسه شده اند.<br> <b>یافته ها: </b>اغلب، مدل‌های شرطی PWP زمانی کاربرد دارند که تعداد وقایع کمی برای هر فرد رخ دهد و مخاطره رخداد مجدد واقعه میان رخداد‌های مختلف تغییر نماید. در حالی‌که مدل حاشیه‌ای WLW و مدل AG با پیش‌بین‌های وابسته به زمان، برای تعیین فراوانی وقایع به کار می‌روند.<br> <b>بحث و نتیجه گیری: </b>محققان حوزه پزشکی و اپیدمیولوژی برای انتخاب صحیح مدل‌های بازگشتی باید به عوامل مختلفی از جمله تعداد وقایع، ارتباط میان وقایع، متغیر بودن اثر عوامل از واقعه‌ای به واقعه دیگر، فرایند بیولوژیکی و ساختار همبستگی داده‌ها توجه نمایند.<br> &nbsp; <b>Objective (s):</b> In many medical and epidemiological studies, each person can experience several events one after the other sequentially under some circumstances, known as recurrence events. Broad analytical objectives of recurrent events consist of describing event process in an individual, dispersion of events from one person to another, and determination of relations between constant or time-dependent predictors with event time. So the main purpose of this article is to present and interpret advanced statistical models to analyze such events which have been proposed in recent years.<br> <b>Methods:</b> In this article, variance-corrected models including AG, conditional PWP (PWP-TT and PWP-GT) and marginal WLW models for analyzing recurrent events are presented and compared with each other.<br> <b>Results:</b> When the number of events for each individual are small and the risk of a reoccurrence of an event varies between different events, usually conditional PWP models are used, while marginal WLW and the time-dependent AG models are applied to determine frequency of events.<br> <b>Conclusion:</b> Medical and epidemiology studies should consider various factors such as the number of events, relationship between events, the variability of the effect of factors from one event to another, the biological process, and the correlation structure of data to select the valid recurrent models. وقایع بازگشتی, مدل‌های بازگشتی, مدل AG, مدل حاشیه‌ای WLW, مدل شرطی PWP Recurrent events, AG model, Conditional PWP model, Marginal WLW model 575 585 http://payeshjournal.ir/browse.php?a_code=A-10-10-60&slc_lang=fa&sid=1 Arezoo Bagheri آرزو باقری 10031947532846004754 10031947532846004754 Yes مؤسسه مطالعات و مدیریت جامع و تخصصی جمعیت کشور، تهران، ایران Mahsa Saadati مهسا سعادتی 10031947532846004755 10031947532846004755 No مؤسسه مطالعات و مدیریت جامع و تخصصی جمعیت کشور، تهران، ایران