fa مقایسه مدلهای آماری حاشیه ای و آمیخته در تحلیل داده های پزشکی علوم پایه Basic Sciences مقاله پژوهشی Orginal Research <p>چکیده زمینه و هدف: امروزه داده های زیادی وجود دارند که در آنها فرض استقلال داده ها که پیش فرض اصلی بسیاری از مدلهای آماری است برقرار نیست. داده های حاصل از نمونه گیری خوشه ای، مطالعات طولی با اندازه گیری های مکرر و یا داده های زوجی مانند داده های دو چشم و همچنین مطالعاتِ همسان سازی شده نمونه هایی از این داده ها هستند مواد و روش کار: دو مدل آماری با در نظر گرفتن همبستگی بین مشاهدات، مدلهای آمیخته و مدلهای حاشیه ای هستند که در این مقاله مورد مقایسه قرار گرفته اند. این مدلها از نظر روشی که همبستگی بین داده ها را در نظر می گیرند و تفسیر ضرایب رگرسیونی با یکدیگر تفاوت دارند. یافته ها: در مدلهای غیر خطی ضرایب رگرسیونی مدل حاشیه ای تغییرات در سطح جامعه را نشان می دهد در حالیکه در مدلهای آمیخته این ضرایب تغییرات را در یک فرد یا خوشه خاص نشان می دهند. در مدلهای خطی تفسیر ضرایب رگرسیونی در هر دو مدل یکسان است. نتیجه گیری: به عنوان یک نتیجه گیری کلی در مدلهای غیر خطی که تفسیر نتایج متفاوت است بر اساس کاربرد مورد نیاز بهتر است از یکی از این دو مدل استفاده شود. در واقع برای سیاستگذاران بهداشتی که دید جامعه نگر دارند استفاده از مدل حاشیه ای توصیه می شود در حالیکه برای پزشکان معالج که بیشتر به تغییرات فردی در یک بیمار علا قمند هستند استفاده از مدل آمیخته مناسبتر است.</p> <p>Abstract Background & Objectives: In medical researchers, there are lots of correlated data which cannot be analyzed using the usual classical statistical methods because the assumption of independency between observations is not met. Data from cluster sampling, longitudinal studies, observations on paired organs and matched studies are examples of such data. Materials & Methods: Two statistical methods that can be used to correctly handle these kinds of data are marginal and mixed models. These models are different in considering correlation between subjects and Interpretation of the regression coefficients. These models were compared in this paper. Results: The regression coefficients in marginal models with non-identity link functions show the change in population whereas in mixed models they represent changes within a subject or a cluster. Conclusion: In result, in nonlinear models, application of these two kinds of models depends on the areas of their usage. While the marginal models are more attractive to the Health policy makers who are considering the potential effects of a variable on the population as a whole, the mixed model will be of most interest to a physician in a physician/patients context.</p> واژه های کلیدی: مدل حاشیه ای, مدل آمیخته, مدل خطی, مدل غیر خطی Key words: Marginal model, Mixed model, Linear model, Non linear model 151 158 http://journal.nkums.ac.ir/browse.php?a_code=A-10-25-237&slc_lang=fa&sid=1 MS yekaninejad میر سعید یکانی نژاد 10031947532846007268 10031947532846007268 No گروه اپیدمیولوژی و آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی تهران ،تهران، ایران M Yaseri مهدی یاسری 10031947532846007269 10031947532846007269 Yes گروه اپیدمیولوژی و آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی تهران ،تهران، ایران K Nourijelyani کرامت نوری جلیانی 10031947532846007270 10031947532846007270 No گروه اپیدمیولوژی و آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی تهران ،تهران، ایران A Akaberi آرش اکابری 10031947532846007271 10031947532846007271 No دانشگاه علوم پزشکی خراسان شمالی، بجنورد، ایران