1- مؤسسه مطالعات و مدیریت جامع و تخصصی جمعیت کشور، تهران، ایران
چکیده: (3247 مشاهده)
مقدمه: 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.
مواد و روش کار: 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.
یافته ها: 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.
بحث و نتیجه گیری: 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.
نوع مطالعه:
توصیفی |
پذیرش: 1396/6/12 | انتشار الکترونیک پیش از انتشار نهایی: 1396/6/21 | انتشار: 1396/6/24