عنوان

کاربرد معادلات برآوردگر تعمیم یافته در مدل بتا -دوجمله ای برای داده های طولی دوحالتی با حضور بیش پراکنش، در بیماران مبتلا به دیابت نوع۲

کد کشور

IR

شماره

۲۹۱۹پ

زبان متن نوشتاري يا گفتاري و مانند آن

فارسی

کشور محل نشر

IR

عنوان اصلي

کاربرد معادلات برآوردگر تعمیم یافته در مدل بتا -دوجمله ای برای داده های طولی دوحالتی با حضور بیش پراکنش، در بیماران مبتلا به دیابت نوع۲

نام عام مواد

[پایان‌نامه]

عنوان اصلي به زبان ديگر

Application of GEE in Beta-Binomial Modeling for overdispersed longitudinal Binomial data in type-2 diabetes

نام ناشر، پخش کننده و غيره

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

تاریخ نشرو بخش و غیره

، ۱۳۹۸

نام خاص و کميت اثر

ث،۸۰ص.

متن يادداشت

پیوست

متن يادداشت

چاپی

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

آمارزیستی Biostatistics

زمان اعطا مدرک

۱۳۹۸/۰۶/۲۷

کسي که مدرک را اعطا کرده

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

متن يادداشت

مقدمه :معادلات برآوردگر بسط مدل های تعمیم یافته خطی با تابع شبه درستنمایی برای داده های همبسته می باشد، که جزء مدل های حاشیه ای شده است .در این روش برآوردهای ضرایب رگرسیونی با الگوریتم ساده ای به دست می آیند .با این روش نیازی به تعیین توزیع توام بردارمتغیرهای پاسخ نیست و برآوردهای به دست آمده سازگار و به طور مجانبی نرمال هستند و این مزیت حتی با تعیین اشتباه ساختار همبستگی پایدار است .مواد و روش ها :این مطالعه با استفاده از اطلاعات ۵۰۰ بیمار مبتلا به دیابت نوع۲ که به صورت مداوم تحت پیگیری بودند و شاخص های کنترل مراقبت در آنها مورد بررسی قرار میگرفت، انجام شد .برای آنالیز داده های حاصل که داده طولی دوحالتی با حضور بیش پراکنش بود، روش معادلات برآوردگر تعمیم یافته با توزیع بتا دوجمله ای و مدل آمیخته خطی تعمیم یافته مورد استفاده قرار گرفت .متغیر پاسخ شامل تعداد آزمایشات قندخون ناشتا غیرنرمال(۱۲۶)، قندخون غیرناشتای غیرنرمال(۲۰۰) وHbA ۱ cغیرنرمال(۶/۵) بود که شامل اعداد ۰.۱.۲و۳ بود .برای مقایسه نتایج دو مدل، خطای استاندارد برآورد پارامترهای به دست آمده از دو مدل GEEو GLMM مقایسه شد .یافته ها :با استفاده از دو مدل پارامترها برآورد شد .در مدل GEE دوره پیگیری، سابقه خانوادگی دیابت،BMI ، سابقه چربی خون و انسولین تراپی از عوامل موثر بر تعداد پاسخ های غیرنرمال شناسایی شد .خطای استاندارد برآورد شده با استفاده از مدل GEE کوچک تر از مدل GLMM بود .نتیجه گیری :کارایی مدل GEE برای آنالیز داده های طولی دوحالتی با حضور بیش پراکنش بیشتر از مدل GLMM بود .واژگان کلیدی :معادلات برآوردگر تعمیم یافته، مدل آمیخته خطی تعمیم یافته، بیش پراکنش، توزیع بتا دوجمله ای

متن يادداشت

Introduction: The estimator equations are the expansions of linear generalized models and pseudo-likelihood function for correlated data, leading to a class of regression models called marginal models. In this method, estimations of regression coefficients are obtained by a simple algorithm. This method does not need to determine the co-distribution of response vector variables, and the obtained estimates are consistent and asymptotically normal, and this advantage is consistent even with the wrong determination of the correlation structure. Materials and Methods: This study was conducted using data from 500 patients with type 2 diabetes who were continuously monitored and monitored for their indicators of care control. The generalized estimator equation method with binomial beta distribution and generalized linear mixed model was used to analyze the data that was bi-dimensional longitudinal data with over-dispersive presence. Response variables included the number of abnormal fasting blood glucose (126), abnormal fasting blood sugar (200) and abnormal HbA1c (6.5 ), which were 0,1,2 and3. To compare the results of the two models, the standard error of estimating the parameters obtained from the two GEE and GLMM models was compared. Results: The parameters were estimated using two models. In the GEE model of follow-up, family history of diabetes, BMI, history of hyperlipidemia and insulin therapy were identified as factors affecting the number of abnormal responses. The standard error estimated using the GEE model was smaller than the GLMM model. Conclusion: The efficiency of GEE model for analyzing two-dimensional longitudinal data with higher dispersion was more than GLMM model. Keywords: Generalized estimator equations, Generalized linear mixed model, Over-dispersion, Beta Binomial Distribution

خط فهرستنویسی و خط اصلی شناسه

ba

عنوان اصلي به زبان ديگر

Application of GEE in Beta-Binomial Modeling for overdispersed longitudinal Binomial data in type-2 diabetes

موضوع مستند نشده

Generalized estimator equations

متن عنصر شناسه ای مقوله موضوعی

معادلات برآوردگر تعمیم یافته

متن عنصر شناسه ای مقوله موضوعی

Generalized estimator equations

مستند نام اشخاص تاييد نشده

داور،سعیده

مستند نام اشخاص تاييد نشده

davar, Saeideh

مستند نام اشخاص تاييد نشده

حسین زاده، سمانه

مستند نام اشخاص تاييد نشده

واحدی، محسن

کشور

ایران

سازمان

دانشگاه علوم توان بخشی و سلامت اجتماعی

نام ميزبان

2919t.pdf

شماره دسترسي

محرمانه

اطلاعات مختصر

محرمانه

تاريخ و ساعت مذاکره و دسترسي

2919t.pdf

بيت در ثانيه

2823094

ارتباط براي تسهيلات دسترسي

مرجع

نوع فرمت الکترونيکي

متن

اندازه فايل

0

شماره کنترل رکورد

۹۱۹۲پ

وضعیت فهرست نویسی

نمایه‌سازی قبلی

فرمت انتشار

چاپی-الکترونیکی

نوع ماده

TF

پیشوند ISBD اعمال شده است

1

سطح دسترسي

a

تكميل شده

Y