این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دانشگاه علوم پزشکی خراسان شمالی، جلد ۳، شماره ۵، صفحات ۷-۱۳
عنوان فارسی مقایسه برآورد نسبت شانس حاصل از برازش مدل رگرسیون لجستیک با سه روش استقلال ، حاشیه ای و اثرات تصادفی در مطالعات موردی-شاهدی همسان‌سازی شده با استفاده از شبیه سازی
چکیده فارسی مقاله چکیده زمینه و هدف: یکی از متداول‌ترین مطالعات در حیطه علوم پزشکی جهت یافتن ریسک فاکتورها و عوامل مرتبط با بیماری‌ها مطالعات موردی – شاهدی هستند که شاخص مهم قابل محاسبه درآن OR یا خطرنسبی است. اما در این بین بعضی عوامل مخدوش‌گرکه بر پاسخ موثرند اعتبارOR به دست آمده را زیر سوال می‌برند و OR را کمتر یا بیشتر نشان می‌دهد یکی از روش‌های حذف اثر مخدوش‌گر، طراحی مطالعات matching است. رگرسیون لجستیک یکی از روش‌های متداول مدل‌سازی برای این نوع مطالعات است که در مطالعه حاضر سه روش رگرسیون لجستیک در حالت استقلال ،حاشیه ای و شرطی با هم مقایسه می شوند. مواد و روش کار: این مطالعه بر روی داده های شبیه سازی شده وابسته به هم انجام پذیرفته است. بدین ترتیب که داده ها از توزیع نرمال دو متغیره با ضریب همبستگی‌های (0،0.2،0.4،0.6،0.8) تولید می‌شوند. سپس با انتخاب نقاط برش (0.25،0.25) ، (0.25،0.15) ، (0.25،0.1) ، (0.25، 0.05 ) برای تابع احتمال تجمعی آنها این داده‌ها که از توزیع پیوسته هستند به توزیع گسسته صفر و یک که به هم وابسته هستند تبدیل می‌شوند. سپس سه مدل رگرسیون لجستیک در حالت استقلال ، حاشیه ای و شرطی به داده‌ها برازش داده می شود و OR محاسبه می شود. با10000بار تکرار مقدار صدک 2.5 و 97.5 و همچنین میانه OR سه مدل در نقاط برش ذکرشده با هم مقایسه می شوند. یافته ها: در همبستگی صفر هر سه مدلOR مشابه دارند و تغییر درنقاط باز هم ضرایب مشابه دارد. اما با افزایش میزان همبستگی بین مشاهداتOR بین مدل حاشیه ای و استقلال متفاوت نیست ولی مقدار آن با مدل شرطی متفاوت خواهد بود. به عنوان مثال در نقطه برش (0.25،0.1) و ضریب همبستگی 0.6 میانه OR به دست آمده در مدل استقلال و حاشیه ای 2.8 است ولی در مدل شرطی این مقدار 5 یعنی دوبرابر مقدار برازش شده است. نتیجه گیری: استفاده ازمدل های شرطی زمانی که همبستگی بین مشاهدات زیاد است قطعا روش صحیح‌تری است و هرچه میزان این همبستگی بالا برود میزان خطای ما در استفاده از مدل استقلال یا حاشیه ای بالا می رود. اما زمانی که همبستگی بین مشاهدات ناچیز است استفاده از سه مدل برآوردهای یکسانی می دهد
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Comparing odds ratio (OR) from fitting independence, marginal and conditional models in analyzing the individual matched case-control studies with simulation data
چکیده انگلیسی مقاله Abstract Background & Objectives One of the popular studies in medical sciences for finding risk factors and the reason of the disease, are case-control studies that the important index we can calculate is odds ratio. but some confounders which effect on response variable challenge the OR’s validity and present OR more or less than the real value. One way of omitting the effect of confounder is designing matched studies. Logistic regression is one of the general methods for modeling these studies. This article compares 3 logistic regression models: independence, marginal and conditional. Materials & Methods: This study has been conducted on correlated simulated data. Thus the data is simulated from bivariate normal distribution with the correlation coefficients (0, 0.2, 0.4, 0.6, and 0.8). Then with changing cut-off points at (0.05, 0.25), (0.25, 0.1), (0.25, 0.15), (0.25, 0.25) for their c.d.f, we convert continues distribution to categorical binary distribution which data are related together. Then 3 logistic regression model in independence, marginal and conditional version fit to data and calculate OR. With 10000 times iteration, we compare 2.5 and 97.5 percentiles values and the median OR percentile value at the above cut-off points for all their models. Results: When the correlation is zero, all three models have the same quantity for OR and also changing in point have the same coefficient. But with the increasing correlation between the observations, OR between marginal model and independence model is not different. But its value will vary with the conditional model. For example, the cut-off point (0.25,0.1) and when the correlation is 0.6, median of OR that obtained in marginal model and independence model is 2.8, but in conditional model this quantity is 5 and it is twice of fitted value. Conclusion: When the correlation between observations is high, using of conditional model is more correctly method and with increasing this correlation, our error rate by using independence or marginal model rises. But when correlation between observations is negligible, using of the three models gives similar estimates.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله حبیب اله اسماعیلی | ha esmaeili


مریم سالاری | m salari


آزاده ساکی | a saki


بهزاد قلی زاده | b gholizadeh


مصطفی بسکابادی | m boskabadi


حسین لشکردوست | h lashkardost


نشانی اینترنتی http://journal.nkums.ac.ir/browse.php?a_code=A-10-25-224&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/192/article-192-320420.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده علوم پایه
نوع مقاله منتشر شده مقاله پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات