Logistik reqressiyadan proqnozlaşdırılan ehtimalların qiymətləndirilməsi: fərqli metodlar fərqli hədəf populyasiyalarına uyğundur

Göndərildi: 08.09.2021
Məqalənin müəllifi Adəm Quliyev

Clemma J Muller, Richard F MacLehose, Lojistik reqressiyadan proqnozlaşdırılan ehtimalların qiymətləndirilməsi: fərqli metodlar fərqli hədəf populyasiyalarına uyğundur, Beynəlxalq Epidemiologiya Jurnalı , Cild 43, Sayı 3, Sayı 3, 2014, Səhifələr 962-970, https://doi.org/ 10.1093 / ije / dyu029

Mücərrəd

Fon:Qarışıq tənzimlənən məntiqi reqressiyadan sonra proqnozlaşdırılan ehtimalları qiymətləndirmək üçün üç ümumi metodu nəzərdən keçiririk: marjinal standartlaşdırma (hədəf populyasiyadakı qarışıq paylanmasını əks etdirən ağırlıqlı ortalamaya toplanan proqnozlaşdırılan ehtimallar); rejimlərdə proqnozlaşdırma (hər bir qarışdırıcının modal dəyərinə uyğunlaşdırılaraq hesablanan şərti proqnozlaşdırılan ehtimallar); və ortada proqnozlaşdırma (hər bir qarışdırıcının orta dəyərinə qoyularaq hesablanan proqnozlaşdırılan ehtimallar). Hər bir metodun fərqli bir hədəf populyasiyasına uyğun olması praktikada az qiymətləndirilir. Xüsusi olaraq, vasitələrdəki proqnoz, ümumiyyətlə, ümumi tədqiqat populyasiyası üçün orta ehtimalların qiymətləndirilməsi kimi səhv yozulur və bundan əlavə, ikitərəfli qarışıqlıqlar olduqda mənasız təxminlər verir.Populyar statistik proqram paketlərindəki standart əmrlər əksər hallarda proqnozların səhvən səhv tətbiq olunmasına səbəb olur.

Metodlar:Tətbiq olunan bir nümunədən istifadə edərək, bu metodlar arasında proqnozlaşdırılan ehtimallardakı uyğunsuzluqları nümayiş etdiririk, şərh üçün təsirləri müzakirə edirik və SAS və Stata üçün sintaksis təmin edirik.

Nəticələr:Marjinal standartlaşdırma məlumatların toplandığı ümumi populyasiya haqqında nəticə çıxarmaq imkanı verir. Rejimlərdə və ya vasitələrdə proqnoz yalnız müvafiq müşahidələr təbəqəsi haqqında nəticə çıxarmağa imkan verir. Dichotomous confounders ilə, proqnozlaşdırma real həyatda müşahidələri ehtiva etməyən bir təbəqəyə uyğundur.

Nəticələr:Marginal standartlaşdırma ümumi əhali haqqında nəticə çıxararkən uyğun bir üsuldur. Digər metodlardan ehtiyatla istifadə edilməli və ikitərəfli qarışıqlarla vasitələrdəki proqnozdan istifadə edilməməlidir. SAT deyil, Stata, marjinal standartlaşdırma üçün sadə metodları özündə birləşdirir.

Çox dəyişkən məntiqi reqressiyadan ehtimalların proqnozlaşdırılması üçün ümumi metodlar, fərqli hədəf populyasiyaları üçün hesablamalarla nəticələnir; bu fərq çox vaxt tədqiqatçılar və analitiklər tərəfindən qiymətləndirilmir.

Bir və ya daha çox dəyişkən təbəqədə kategorik qarışıqlıqlar və ümumi nəticələr olan ümumi populyasiya haqqında nəticə çıxararkən, bütün qarışdırıcıları müəyyən bir dəyərə (məsələn, orta) təyin edən şərti proqnozlaşdırma metodlarına nisbətən marjinal standartlaşdırma üstünlük təşkil edir.

Kategorik qarışdırıcılarla, hər bir qarışdırıcının ortalama dəyərinə uyğun olaraq təyin olunan təbəqə, ümumiyyətlə heç bir real həyat qrupu ilə əlaqəli deyil. Bu metodla qiymətləndirilən şərti proqnozlaşdırılan ehtimallar, məqsəd marjinal effektləri qiymətləndirmək olduqda ciddi dərəcədə qərəzli ola bilər.

Statistik proqram paketlərindəki standart metodlar (məsələn, SAS-da 'lsmeans') şərti ehtimalların səhvən qiymətləndirilməsinə səbəb ola bilər.

Standartlaşdırmaya bənzər marjinal metodlar Stata'daki 'margins' əmri ilə asanlıqla tətbiq olunur və SAS üçün daha əvvəl bir makro nəşr edilmişdir.

Giriş

Epidemioloqlar tez-tez referent qrupla müqayisədə bir qrup insanda bir nəticə riskini qiymətləndirmək istəyirlər. Müşahidə təhlillərində bu müqayisələr adətən bir və ya daha çox qarışıq amil üçün tənzimlənir. Ən sadə ssenaridə, ikili məruz qalma, ikili nəticə və az sayda kateqoriyalı dəyişənlərlə standartlaşdırma, dəyişkən tənzimləmə üçün asan və intuitiv bir yanaşmadır və aydın şəkildə təyin edilmiş hədəf populyasiyasının şəffaf dəqiqləşdirilməsini tələb edir. 1-3 Məruz və məruz qalmayan qruplar üçün risk qiymətləndirmələri məruz qalmış, məruz qalmayan, ümumi və ya bəzi xarici populyasiyalardakı qarışıq paylamalarla standartlaşdırıla bilər 4 və daha sonra risk nisbəti və ya risk fərqi ilə müqayisə edilə bilər.

Standartlaşdırılan təxminlər qeyri-sabit olur və ya hesablanmaq qeyri-mümkün olur, çünki tənzimləmə üçün daha çox dəyişkən hesab olunur və ya hər hansı bir dəyişən davamlı olduqda. Bu ssenaridə regresiya modelləşdirmə standartlaşmaya cəlbedici bir alternativdir; bu modellərdən əldə edilən təxmin ümumilikdə ümumi populyasiyaya standartlaşdırılaraq hesablanacağı təxminlərə ən yaxın olur. 5 Diqotomik nəticələr üçün məntiqi reqressiya müşahidə və eksperimental məlumatların təhlili üçün böyük seçimdir. Oran əmsalları asanlıqla lojistik modellərdən əldə edilir, lakin nisbi risk daha təsirli bir çarpma effekt ölçüsüdür və kovaryat təbəqələri üzərində yığılır. 6 Bundan əlavə, bahis nisbəti ümumi nəticələr üçün nisbi riski çox qiymətləndirir, baxmayaraq ki, onlar əksər hallarda ekvivalenti kimi yanlış təfsir olunur. 7 qatqı miqyasında,risk fərqi daha çox əlaqəlidir və orta qarşılıqlı təsirin ölçüsü olaraq daha asanlıqla əsaslandırılır, xüsusən qarşılıqlı təsirlərin mövcudluğunda. 8, 9

Risk əsaslı birlikləri qiymətləndirmək üçün ən sadə yanaşma nisbi risk və ya risk fərqini birbaşa modelləşdirən statistik metodların tətbiq edilməsidir. 10 Məsələn, bir günlük əlaqəsi olan binomial ailənin ümumiləşdirilmiş xətti modeli nisbi riskin birbaşa qiymətləndirilməsinə imkan verəcəkdir. 5, 11 Alternativ olaraq, şəxsiyyət bağlantısını göstərərək, risk fərqini birbaşa qiymətləndirmək olar. Bununla yanaşı, bu yanaşmalar giriş linkindən istifadə edərək 100% -dən, şəxsiyyət linkindən istifadə edərək 0% -dən az və ya 100% -dən yüksək olan proqnozlaşdırılan ehtimalları əldə etmək imkanı ilə məhdudlaşır. Bəlkə də daha çox narahatlıq yaradan bu modellər praktik olaraq tez-tez yaxınlaşmır. 12 Çözümlərə, ehtimal olunan parametr dəyərlərinin boşluğunun məhdudlaşdırılması daxildir, 13 nisbi riski 14 modelləşdirmək üçün Poisson regresiyasından istifadə,15 və risk fərqini modelləşdirmək üçün adi ən kiçik kvadratların regresiyasından istifadə etmək. 16, 17 Bu həllər yaxınlaşma narahatlığından qaçınır, eyni zamanda səmərəliliyin azaldılması və ehtimal olunan ehtimal olunan ehtimal dəyərləri potensialına görə tənqid olunur. 18

Nisbi risk və ya risk fərqini qiymətləndirmək üçün tez-tez nəzərə alınmayan bir yanaşma məntiqi modeldən istifadə etmək, lakin əmsalları birbaşa şərh etməkdən çəkinməkdir. Bunun əvəzinə, nəticə çıxarmaq, modeldən hesablanmış və müvafiq olaraq 0 ilə 100% arasında düşmək məcburiyyətində qalan proqnozlaşdırılan ehtimallara əsaslana bilər. 12, 19 Lojistik reqressiyadan sonra proqnozlaşdırılan ehtimallardan təsir tədbirlərinin hesablanması, ümumi standartlaşdırma üsullarının düz bir şəkildə ümumiləşdirilməsidir, 18 və çoxsaylı qəti və davamlı qarışıqların daxil edilməsinə imkan verir. Proqnozlaşdırılan ehtimalları birləşdirmək üçün üç metod ədəbiyyatda yaygındır: (i) marjinal standartlaşdırma, 12,Nəticənin proqnozlaşdırılan ehtimallarının hər müşahidə olunan qarışıq dəyər üçün hesablandığı və sonra hər bir məruz qalma səviyyəsi üçün ayrı-ayrılıqda orta hesablanmış birləşdirildiyi 20-22; 23, 24 (ii) rejimlərində proqnoz, şərti proqnozlaşdırılan ehtimalların hər qarışıq səviyyəsi üçün ən ümumi dəyərində sabitlənərək hər bir məruz qalma səviyyəsi üçün hesablandığı 2, 20; 20, 22, 23 və (iii) şərti proqnozlaşdırılan ehtimalların hər bir təsir səviyyəsi üçün ortalama dəyərində sabitlənərək hər bir məruz qalma səviyyəsi üçün hesablandığı 2, 20 vasitələrindəki proqnoz. Bu metodlardan hər hansı birinin 25-29 proqnozlaşdırılan ehtimalları nisbi risk və ya risk fərqini qiymətləndirmək üçün ziddiyyət təşkil edə bilər. 30,31 Təxmini effekt ölçüsü adətən seçilmiş metoda görə bəzən kəskin dərəcədə fərqlənəcək və fərqli hədəf populyasiyalarında qiymətləndirilən təsir tədbirlərinə cavab verəcəkdir. 32 Əsas, lakin tez-tez qiymətləndirilməyən fərq metod 1 və 2 və 3-ün şərti şərhlərinə qarşı marjinal şərhdir. 12, 32 İstənilən nəticə çıxarmaq üçün uyğun olmayan bir metodun səhv tətbiq edilməsindən istifadəçi səhvləri yanıltıcı təsir ölçüsü qiymətləndirmələrinə səbəb ola bilər. . Bu yazıda fiziki aktivlik və bədən kütləsi indeksi arasındakı əlaqənin müşahidəli bir araşdırmasının məlumatlarını istifadə edərək proqnozlaşdırılan ehtimalları və düzəliş edilmiş risk müqayisələrini qiymətləndirmək üçün bu üç metodun əsasını və şərhini müzakirə edirik.32 Əsas, lakin tez-tez qiymətləndirilməyən bir fərq, metod 1 və 2 və 3-ün şərtli şərhlərinə qarşı marjinal şərhdir. . Bu yazıda fiziki aktivlik və bədən kütləsi indeksi arasındakı əlaqənin müşahidəli bir araşdırmasının məlumatlarını istifadə edərək proqnozlaşdırılan ehtimalları və düzəliş edilmiş risk müqayisələrini qiymətləndirmək üçün bu üç metodun əsasını və şərhini müzakirə edirik.32 Əsas, lakin tez-tez qiymətləndirilməyən fərq metod 1 və 2 və 3-ün şərti şərhlərinə qarşı marjinal şərhdir. 12, 32 İstənilən nəticə çıxarmaq üçün uyğun olmayan bir metodun səhv tətbiq edilməsindən istifadəçi səhvləri yanıltıcı təsir ölçüsü qiymətləndirmələrinə səbəb ola bilər. . Bu yazıda fiziki aktivlik və bədən kütləsi indeksi arasındakı əlaqənin müşahidəli bir araşdırmasının məlumatlarını istifadə edərək proqnozlaşdırılan ehtimalları və düzəliş edilmiş risk müqayisələrini qiymətləndirmək üçün bu üç metodun əsasını və şərhini müzakirə edirik.Bu yazıda fiziki aktivlik və bədən kütləsi indeksi arasındakı əlaqənin müşahidəli bir araşdırmasının məlumatlarını istifadə edərək proqnozlaşdırılan ehtimalları və düzəliş edilmiş risk müqayisələrini qiymətləndirmək üçün bu üç metodun əsasını və şərhini müzakirə edirik.Bu yazıda fiziki aktivlik və bədən kütləsi indeksi arasındakı əlaqənin müşahidəli bir araşdırmasının məlumatlarını istifadə edərək proqnozlaşdırılan ehtimalları və düzəliş edilmiş risk müqayisələrini qiymətləndirmək üçün bu üç metodun əsasını və şərhini müzakirə edirik.

Logistik reqressiya və proqnozlaşdırılan ehtimallar

Metod 1: marjinal standartlaşdırma

Metod 2: rejimlərdə proqnoz

Metod 3: vasitədə proqnoz

Marjinal standartlaşdırma və proqnozlaşdırma vasitələri

Xətti reqressiyada metodlar 1 və 3 eyni nəticələr verəcək, lakin bu bərabərlik lojistik reqressiya kimi qeyri-xətti modellər üçün tətbiq edilmir. 2, 8 Bu fenomenin riyazi xüsusiyyətləri daha çox qiymətləndirilən bahis nisbətlərinin yıxılmaması xüsusiyyətlərinə bənzəyir. 39–41 Eynilə, nəticə bütün qarışıq təbəqələrdə nadir olduqda və ya logit modelindəki qarışdırıcıların xətti birləşməsi nəticə ilə zəif əlaqəli olduqda, metod 3 metod 1-ə yaxınlaşa bilər. Lakin, bu şərtlər səhv hesab edildikdə, üsullar kəskin şəkildə fərqlənə bilər.

Marjinal standartlaşdırma (kəsikli düz xətt) və fərziyyə populyasiyasından kənar insanlarda vasitə (bərk əyri xətt) ilə proqnozlaşdırma istifadə edərək məntiqi reqressiyadan sonra proqnozlaşdırılan ehtimalların hesablanmasını əks etdirən siqmoid əyrinin yarısı.

Marjinal standartlaşdırma (kəsikli düz xətt) və fərziyyə populyasiyasından kənar insanlarda vasitə (bərk əyri xətt) ilə proqnozlaşdırma istifadə edərək məntiqi reqressiyadan sonra proqnozlaşdırılan ehtimalların hesablanmasını əks etdirən siqmoid əyrinin yarısı.

Bu nümunədə tədqiqat populyasiyasının% 50-si kişilərdir, buna görə z̄ = 0.5 və Pr (Y = 1 | Set [E = 0], Z = 0.5) = exp [4.60 × 0.5] / (1 + exp [4.60 × 0.5]) = 0.91. Bir çox analitik, cinsin orta dəyərində proqnozlaşdırılan ehtimalın kişilər və qadınlar üçün proqnozlaşdırılan ehtimalların ortalamasına bərabər olduğunu düşünərək bu yanaşmanı motivasiya edir. Əksinə, 0.91,% 50 kişi olan mövcud olmayan insanlar qrupu üçün proqnozlaşdırılan ehtimalı əks etdirir. Əslində, kişi və qadın proqnozlaşdırılan ehtimalların hər hansı bir ortalaması ikisinin xətti birləşməsi olacaqdır (Şəkil 1-də düz kəsikli xəttlə təsvir olunduğu kimi). Yenə də müşahidələrin yarısının qadın, yarısının kişi olduğunu düşündüyümüzdə ∑Pr (Y = 1 | Set [E = 0], Z = z) Pr (Z = z) = (0.50 × 0.5 + 0.99 × 0.5 ) = 0.75. Bu ssenaridəmetod 3-ün tətbiqi, mövcud olmayan bir populyasiya üçün proqnozlaşdırılan ehtimalla nəticələnir və marjinal orta dəyəri (metod 1)% 21-dən çox qiymətləndirir. Növbəti hissədə bu fenomeni daha ətraflı göstərmək üçün əsaslı bir nümunə təqdim edirik.

Misal

Bu nümunə üçün məlumatlar, pəhriz qəbulunu, fiziki aktivliyi, çəkiyə nəzarət davranışlarını, çəkini araşdırmaq üçün hazırlanmış uzunlamasına bir tədqiqatın ikinci və üçüncü dalğaları olan Project EAT (Yeniyetmələrdə və Gənc Yetişkinlərdə Yemək və Fəaliyyət) -II və Project EAT-III-dən götürülmüşdür. gənclərdə vəziyyət və bu nəticələrlə əlaqəli amillər. Layihə EAT-I-də (1998–99) Minneapolis / St 31 dövlət məktəbində 2516 kiçik və yuxarı lisey şagirdi. Minnesota şəhərinin Paul metropol bölgəsi anketləri və antropometrik tədbirləri tamamladı. 42, 43 Project-EAT-II (2003-04) və -III (2008-09) araşdırmaçıları, davranışlar və çəki vəziyyətindəki uzununa dəyişikliyi qiymətləndirmək üçün, sırasıyla 2437 və 1902 iştirakçını təqib etdilər.

Layihə EAT-III tədqiqatında bədən kütlə indeksi ilə ikiqat fiziki aktivlik ölçüsü arasındakı kəsişmə əlaqəsini araşdırdıq. Hədəf hədəfimiz bu işə yazılmış 16–23 yaşlı gənclərin ümumi əhalisidir. Nəticə, kilolu / piylənmə, bədən kütlə indeksi ≥25 kq / m 2 olaraq təyin olundu. Zərər, aşağı fiziki aktivlik, həftədə 10 saatdan az orta və ya güclü bir fiziki fəaliyyətlə məşğul olmaq kimi müəyyən edilmişdir. Həm nəticə həm də məruz qalma ümumi idi: kilolu / piylənmə yayılması% 46.1, aşağı fiziki aktivliyin yayılması isə% 90.5 idi. Logistik regresiya modellərində dalğa 3, qadın cinsi, ağ irq,iştirakçı dalğa 2-dən əvvəlki ildə pəhriz olub-olmaması və dalğa 2-də ölçülən həddindən artıq kilolu / obez bədən kütləsi indeksi. Hər hansı bir dəyişən üçün itkin məlumatlarla müşahidələr xaric edildikdən sonra son nümunə ölçümüz 1678 idi.

Cədvəl 1 dalğa 3-də həddindən artıq çəki / piylənmə vəziyyətinə görə təsviri statistikanı, habelə birləşdirilmiş nümunə üçün hər bir dəyişkənliyin orta və rejimini göstərir. Metod 2-nin tətbiqinə hazırlaşmaq üçün hər bir qarışığı öz rejiminə bərabər qoyduq (≥18 yaş, qadın, Ağ, dalğa 2-dən əvvəl bir il pəhriz yeməmiş, 2-ci dalğada kilolu və ya piylənməmiş). Bu təbəqə 148 müşahidədən ibarətdir (məlumatların% 9-u) və üçüncü ən geniş yayılmış qarışıq nümunəsidir (Cədvəl 2). Dichotomous confounders-in ən çox yayılmış birgə paylanması (yaş ≥18 yaş, kişi, Ağ irq, dalğa 2 məlumat toplanmasından əvvəlki ildə pəhriz yeməmişdir, dalğa 2-də kilolu və ya piylənməmiş) yalnız 266 müşahidədən ibarətdir ( məlumat).

Minneapolis / St. Paul, MN, 2008-09

. Dalğa 3 bədən kütlə indeksi a. . Artıq çəki / obez. Normal . Kombinə. ( n = 773). ( n = 905). ( n = 1678). %. %. Orta. Rejim.
İfşa
Aşağı fiziki fəaliyyət 93.3 88.1 0.9 1
Dichotomous confounders
Yaş ≥18 yaş 81.4 75.1 0.8 1
Qadın 48.0 58.5 0.5 1
Ağ yarış 66.4 70.4 0.7 1
Dalğa 2-dən əvvəlki ildə pəhriz50.6 34.8 0.4 0
Dalğa 2-də kilolu / obez 60.8 5.9 0.3 0
. Dalğa 3 bədən kütlə indeksi a. . Artıq çəki / obez. Normal . Kombinə. ( n = 773). ( n = 905). ( n = 1678). %. %. Orta. Rejim.
İfşa
Aşağı fiziki fəaliyyət 93.3 88.1 0.9 1
Dichotomous confounders
Yaş ≥18 yaş 81.4 75.1 0.8 1
Qadın 48.0 58.5 0.5 1
Ağ yarış 66.4 70.4 0.7 1
Dalğa 2-dən əvvəlki ildə pəhriz50.6 34.8 0.4 0
Dalğa 2-də kilolu / obez 60.8 5.9 0.3 0

a Kilolu / obez = bədən kütlə indeksi ≥25 kq / m 2, normal = bədən kütlə indeksi

b Dalğa 2 2003–04-cü illərdə həyata keçirilmişdir.

Minneapolis / St. Paul, MN, 2008-09

. Dalğa 3 bədən kütlə indeksi a. . Artıq çəki / obez. Normal . Kombinə. ( n = 773). ( n = 905). ( n = 1678). %. %. Orta. Rejim.
İfşa
Aşağı fiziki fəaliyyət 93.3 88.1 0.9 1
Dichotomous confounders
Yaş ≥18 yaş 81.4 75.1 0.8 1
Qadın 48.0 58.5 0.5 1
Ağ yarış 66.4 70.4 0.7 1
Dalğa 2-dən əvvəlki ildə pəhriz50.6 34.8 0.4 0
Dalğa 2-də kilolu / obez 60.8 5.9 0.3 0
. Dalğa 3 bədən kütlə indeksi a. . Artıq çəki / obez. Normal . Kombinə. ( n = 773). ( n = 905). ( n = 1678). %. %. Orta. Rejim.
İfşa
Aşağı fiziki fəaliyyət 93.3 88.1 0.9 1
Dichotomous confounders
Yaş ≥18 yaş 81.4 75.1 0.8 1
Qadın 48.0 58.5 0.5 1
Ağ yarış 66.4 70.4 0.7 1
Dalğa 2-dən əvvəlki ildə pəhriz50.6 34.8 0.4 0
Dalğa 2-də kilolu / obez 60.8 5.9 0.3 0

a Kilolu / obez = bədən kütlə indeksi ≥25 kq / m 2, normal = bədən kütlə indeksi

b Dalğa 2 2003–04-cü illərdə həyata keçirilmişdir.

Dalğa 3 iştirakçılar (arasında dichotomous qarışa dəyərlərin birgə bölüşdürmələri ilə müəyyən edilmiş beş ən ümumi təbəqələri n yeniyetmə və gənc böyüklər, Minneapolis / St Bəslənmə = 1678) və fəaliyyəti. Paul, MN, 2008-09

. Dichotomous confounder dəyərləri. Paylama. Rütbə. Yaş ≥ 18 yaş. Qadın. Ağ yarış. Dalğa 2 a-dan əvvəlki ildə diyeta edilmişdir. Dalğa 2-də kilolu / obez b. n . %.
1 1 0 1 0 0 266 15.9
2 1 1 1 1 0 183 10.9
3c111001488.8
4 1 1 1 1 1 99 5.9
5 1 0 1 0 1 86 5.1
. Dichotomous confounder dəyərləri. Paylama. Rütbə. Yaş ≥ 18 yaş. Qadın. Ağ yarış. Dalğa 2 a-dan əvvəlki ildə diyeta edilmişdir. Dalğa 2-də kilolu / obez b. n . %.
1 1 0 1 0 0 266 15.9
2 1 1 1 1 0 183 10.9
3c111001488.8
4 1 1 1 1 1 99 5.9
5 1 0 1 0 1 86 5.1

2003-2004-cü illərdə aparılmış bir Dalğa 2.

b Bədən kütləsi indeksi ≥25 kq / m 2.

c Hər qarışdırıcıyı öz rejiminə bərabər olaraq müstəqil olaraq təyin etməklə qalın qat təbəqəsi.

Dalğa 3 iştirakçılar (arasında dichotomous qarışa dəyərlərin birgə bölüşdürmələri ilə müəyyən edilmiş beş ən ümumi təbəqələri n yeniyetmə və gənc böyüklər, Minneapolis / St Bəslənmə = 1678) və fəaliyyəti. Paul, MN, 2008-09

. Dichotomous confounder dəyərləri. Paylama. Rütbə. Yaş ≥ 18 yaş. Qadın. Ağ yarış. Dalğa 2 a-dan əvvəlki ildə diyeta edilmişdir. Dalğa 2-də kilolu / obez b. n . %.
1 1 0 1 0 0 266 15.9
2 1 1 1 1 0 183 10.9
3c111001488.8
4 1 1 1 1 1 99 5.9
5 1 0 1 0 1 86 5.1
. Dichotomous confounder dəyərləri. Paylama. Rütbə. Yaş ≥ 18 yaş. Qadın. Ağ yarış. Dalğa 2 a-dan əvvəlki ildə diyeta edilmişdir. Dalğa 2-də kilolu / obez b. n . %.
1 1 0 1 0 0 266 15.9
2 1 1 1 1 0 183 10.9
3c111001488.8
4 1 1 1 1 1 99 5.9
5 1 0 1 0 1 86 5.1

2003-2004-cü illərdə aparılmış bir Dalğa 2.

b Bədən kütləsi indeksi ≥25 kq / m 2.

c Hər qarışdırıcıyı öz rejiminə bərabər olaraq müstəqil olaraq təyin etməklə qalın qat təbəqəsi.

Cədvəl 3 düzəldilməmiş cədvəl analizindən və proqnozlaşdırılan ehtimalları hesablamaq üçün üç metoddan nəticələr göstərir. Bu nəticələri əldə etmək üçün məlumat sintaksisi Əlavədə verilmişdir ( IJE- də Əlavə məlumatlar kimi mövcuddur)onlayn). Təsir tədbirləri yayılma nisbətləri və yayılma fərqləri kimi təqdim olunur. Marjinal standartlaşdırma ümumi populyasiyada nəticə çıxarmağa imkan verir və biz düzəldilməmiş analizlə müqayisədə yayılma nisbəti (1.3 vs 1.5) və yayılma fərqi (12.2% vs 15.0%) arasında cüzi fərqləri müşahidə edirik. Rejimlərdə proqnoz yalnız ≥18 yaşında, qadın, Ağ, dalğa 2-dən əvvəl bir il pəhriz yeməyən və əvvəllər kilolu və ya obez olmayan insanlara aid olan bir yayılma nisbəti (2.1) və yayılma fərqi (% 9.9) verir. . Vasitələrdə proqnozlaşdırma 18% və ya daha çox 78%, 54% qadın, 69% White, 42% pəhrizli insanların mövcud olmayan populyasiyasına uyğun bir yayılma nisbəti (1.6) və yayılma fərqi (% 19.9) verir. dalğa 2-dən bir il əvvəl və dalğa 2-də% 31 kilolu / obez.

Dalğa 3 iştirakçılar (arasında fiziki fəaliyyət statusu ilə kilolu / piylənmə yayılması müqayisə proqnozlaşdırılan ehtimallar və təsiri tədbir hesablamalarına n yeniyetmə və gənc böyüklər, Minneapolis / St Bəslənmə = 1678) və fəaliyyəti. Paul, MN, 2008-09

. Dalğa 3 kilolu / piylənmə ehtimalı proqnozlaşdırılır. Aşağı fiziki aktivlik və yüksək fiziki fəaliyyət. . Aşağı fiziki aktivlik%. Yüksək fiziki aktivlik%. Yayılma nisbəti. 95% CI. Yayılma fərqi. 95% CI.
Düzəliş edilməyib 47.5 32.5 1.5 1.2, 1.8 15.0 7.3, 22.7
Marjinal standartlaşdırma b47.3 35.1 1.3 1.1, 1.6 12.2 6.2, 18.2
Rejimlərdə proqnoz b19.3 9.4 2.1 1.2, 2.9 9.9 5.6, 14.2
Vasitə ilə proqnozlaşdırma b51.1 31.2 1.6 1.2, 2.1 19.9 10.2, 29.7
. Dalğa 3 kilolu / piylənmə ehtimalı proqnozlaşdırılır. Aşağı fiziki aktivlik və yüksək fiziki fəaliyyət. . Aşağı fiziki aktivlik%. Yüksək fiziki aktivlik%. Yayılma nisbəti. 95% CI. Yayılma fərqi. 95% CI.
Düzəliş edilməyib 47.5 32.5 1.5 1.2, 1.8 15.0 7.3, 22.7
Marjinal standartlaşdırma b47.3 35.1 1.3 1.1, 1.6 12.2 6.2, 18.2
Rejimlərdə proqnoz b19.3 9.4 2.1 1.2, 2.9 9.9 5.6, 14.2
Vasitə ilə proqnozlaşdırma b51.1 31.2 1.6 1.2, 2.1 19.9 10.2, 29.7

CI, güvən intervalı.

bir bədən kütlə indeksi ≥25 kq / m 2.

b ≥ 18 yaş, qadın cinsi, ağ irq, dalğa 2-dən əvvəlki ildə pəhriz (2003-04) və 2-ci dalğada həddindən artıq çəki / obez olmaq (bədən kütləsi indeksi ≥25 kq / m 2) ikiqat göstəricilər üçün tənzimlənir.

Dalğa 3 iştirakçılar (arasında fiziki fəaliyyət statusu ilə kilolu / piylənmə yayılması müqayisə proqnozlaşdırılan ehtimallar və təsiri tədbir hesablamalarına n yeniyetmə və gənc böyüklər, Minneapolis / St Bəslənmə = 1678) və fəaliyyəti. Paul, MN, 2008-09

. Dalğa 3 kilolu / piylənmə ehtimalı proqnozlaşdırılır. Aşağı fiziki aktivlik və yüksək fiziki fəaliyyət. . Aşağı fiziki aktivlik%. Yüksək fiziki aktivlik%. Yayılma nisbəti. 95% CI. Yayılma fərqi. 95% CI.
Düzəliş edilməyib 47.5 32.5 1.5 1.2, 1.8 15.0 7.3, 22.7
Marjinal standartlaşdırma b47.3 35.1 1.3 1.1, 1.6 12.2 6.2, 18.2
Rejimlərdə proqnoz b19.3 9.4 2.1 1.2, 2.9 9.9 5.6, 14.2
Vasitə ilə proqnozlaşdırma b51.1 31.2 1.6 1.2, 2.1 19.9 10.2, 29.7
. Dalğa 3 kilolu / piylənmə ehtimalı proqnozlaşdırılır. Aşağı fiziki aktivlik və yüksək fiziki fəaliyyət. . Aşağı fiziki aktivlik%. Yüksək fiziki aktivlik%. Yayılma nisbəti. 95% CI. Yayılma fərqi. 95% CI.
Düzəliş edilməyib 47.5 32.5 1.5 1.2, 1.8 15.0 7.3, 22.7
Marjinal standartlaşdırma b47.3 35.1 1.3 1.1, 1.6 12.2 6.2, 18.2
Rejimlərdə proqnoz b19.3 9.4 2.1 1.2, 2.9 9.9 5.6, 14.2
Vasitə ilə proqnozlaşdırma b51.1 31.2 1.6 1.2, 2.1 19.9 10.2, 29.7

CI, güvən intervalı.

bir bədən kütlə indeksi ≥25 kq / m 2.

b ≥ 18 yaş, qadın cinsi, ağ irq, dalğa 2-dən əvvəlki ildə pəhriz (2003-04) və 2-ci dalğada həddindən artıq çəki / obez olmaq (bədən kütləsi indeksi ≥25 kq / m 2) ikiqat göstəricilər üçün tənzimlənir.

Müzakirə

Effekt ölçüsünün şərh edilə bilməsi üçün, maraqlanan populyasiya açıq şəkildə ifadə edilməlidir. 44 Logistik reqressiyadan sonra risk (və ya yayılma) nisbətləri və ya fərqlər qiymətləndirilərkən, bu detala yetərincə diqqət verilməməsi, ehtimal olunmayan və bəlkə də mövcud olmayan populyasiyalar üçün birliklərin qiymətləndirilməsinə səbəb oldu. Dichotomous confounders olduqda, məqsəd ümumi tədqiqat populyasiyasındakı orta birliyin modelləşdirilməsi olduqda, uyğun seçimdir. Bizim nümunəmizdə metod 2 nümunənin yalnız 9% -ni təşkil edən təbəqə üçün proqnozlaşdırılan ehtimalları qiymətləndirir, metod 3 isə mövcud olmayan populyasiya üçün proqnozlaşdırılan ehtimalları qiymətləndirir. Bu səbəbdən, 2 və 3-cü metodlar, ümumi maraq populyasiyasında marjinal birliyin surrogate təxminləri kimi zəif seçimlərdir.Daha əvvəl qeyd edildiyi kimi, metod 3, nəticənin bütün kovariat təbəqələrində nadir olduqda və ya qarışdırıcıların xətti birləşməsi məlumatlı olmadıqda, nümunəmizdə yerinə yetirilməyən şərtlər olduqda, marginal orta göstəricilərə yaxınlaşa bilər. Metod 1, eyni zamanda əvvəlcədən ümumilikdə regresyon modelləri üçün, 45 və xüsusilə lojistik reqressiya 46, 47 və marjinal üçün açıqlandığı kimi ikiqat möhkəm təsir ölçüsü təxminləri yaratmaq üçün kovariatların (məsələn, meyl skorlarının) funksiyası kimi pozğunluğu modelləşdirən metodlarla birləşdirilə bilər. effektlərin qiymətləndirilməsi. 48 Bu, çox sayda qarışıqlığa səbəb olan bir nəticəni geridə qoyarkən xüsusilə arzu oluna bilər və bu da modelin dəqiqləşdirilməməsi səbəbindən qərəzli yanaşma ilə bağlı narahatlığı artırır.metod 3, nəticənin bütün kovariat təbəqələrində nadir olduqda və ya qarışdırıcıların xətti birləşməsi məlumatlı olmadığı zaman marginal orta göstəricilərə yaxınlaşa bilər, nümunəmizdə yerinə yetirilməyən şərtlər. Metod 1, eyni zamanda əvvəlcədən ümumilikdə regresyon modelləri üçün, 45 və xüsusilə lojistik reqressiya 46, 47 və marjinal üçün açıqlandığı kimi ikiqat möhkəm təsir ölçüsü təxminləri yaratmaq üçün kovariatların (məsələn, meyl skorlarının) funksiyası kimi pozğunluğu modelləşdirən metodlarla birləşdirilə bilər. effektlərin qiymətləndirilməsi. 48 Bu, çox sayda qarışıqlığa səbəb olan nəticəni geriləyərkən xüsusilə arzu oluna bilər ki, bu da modelin səhv təyin olunması səbəbindən qərəzliliklə bağlı narahatlığı artırır.metod 3, nəticənin bütün kovariat təbəqələrində nadir olduqda və ya qarışdırıcıların xətti birləşməsi məlumatlı olmadığı zaman marginal orta göstəricilərə yaxınlaşa bilər, nümunəmizdə yerinə yetirilməyən şərtlər. Metod 1, eyni zamanda əvvəlcədən ümumilikdə regresyon modelləri üçün, 45 və xüsusilə lojistik reqressiya 46, 47 və marjinal üçün açıqlandığı kimi ikiqat möhkəm təsir ölçüsü təxminləri yaratmaq üçün kovariatların (məsələn, meyl skorlarının) funksiyası kimi pozğunluğu modelləşdirən metodlarla birləşdirilə bilər. effektlərin qiymətləndirilməsi. 48 Bu, çox sayda qarışıqlığa səbəb olan nəticəni geriləyərkən xüsusilə arzu oluna bilər ki, bu da modelin səhv təyin olunması səbəbindən qərəzliliklə bağlı narahatlığı artırır.meyl skorları) əvvəllər ümumilikdə regresyon modelləri üçün, 45 və xüsusilə lojistik reqressiya 46, 47 və marjinal təsir qiymətləndirmələri üçün əvvəllər təsvir edildiyi kimi ikiqat möhkəm təsir ölçüsü təxminləri yaratmaq. 48 Bu, çox sayda qarışıqlığa səbəb olan bir nəticəni geridə qoyarkən xüsusilə arzu oluna bilər və bu da modelin dəqiqləşdirilməməsi səbəbindən qərəzli yanaşma ilə bağlı narahatlığı artırır.meyl skorları) əvvəllər ümumilikdə reqressiya modelləri üçün, 45 və xüsusilə lojistik reqressiya 46, 47 və marjinal effektlərin qiymətləndirilməsi üçün əvvəllər təsvir edildiyi kimi ikiqat güclü təsir ölçüsü təxminlərini yaratmaq. 48 Bu, çox sayda qarışıqlığa səbəb olan bir nəticəni geridə qoyarkən xüsusilə arzu oluna bilər və bu da modelin dəqiqləşdirilməməsi səbəbindən qərəzli yanaşma ilə bağlı narahatlığı artırır.

Metod 1-in marginal standartlaşdırma yanaşması hər hansı bir müəyyən hədəf kütləsi üçün ehtimalları qiymətləndirmək üçün istifadə oluna bilər, digər metodlar daha az universaldır. Hədəf, ən ümumi qarışıq dəyərlər tərəfindən müəyyən edilmiş fərdlərin təbəqəsinə dair çıxışı məhdudlaşdırmaqdırsa, metod 2 etibarlı nəticələr verir. Bununla birlikdə, orta səviyyəli qarışıqlıq verənlər də regresiyaya daxil olduqda, modal təbəqə əhalinin yalnız kiçik bir hissəsini əks etdirə bilər. Nümunəmizdə, 18 yaş və yuxarı yaşlı pəhriz yeməyən və kilolu və ya dalğa 2-də piylənməyən ağ qadınlar arasında modal təbəqədəki fəaliyyət səviyyələrinin ziddiyyətli olması, bu, şübhəsiz ki, qanuni bir hədəf populyasiyadır, lakin xüsusi maraq kəsb etmir. hər kəsə, şübhəsiz ki, bütün digər qarışıq təbəqələrin xaricinə deyil. Lakin,metod 2 təsir ölçüsü dəyişikliyinə dair dəlil olduqda epidemioloqlara müraciət edə bilər.

Metod 3, reqressiya modelindəki hər qarışıq ortalamasında birləşmələri qiymətləndirir. İkili kovariatların iştirakı ilə, proqnozlaşdırma heç bir real dünya qrupu üçün mənalı olmayan nəticələr verir. Sadə dillə desək, heç kim dalğa 2-də% 54 qadın və ya% 31 kilolu / obez ola bilməz. Bu ölçü seçiminin əsaslandırılması çox vaxt açıq şəkildə ifadə edilmir, lakin dəyişikliklər vasitəsi ilə hesablanan assosiasiyanın bərabər olduğu fərziyyəsini əks etdirə bilər. ümumi ortaq assosiasiyaya. Təəssüf ki, ters logit və ya ekspit kimi xətti proqnozlaşdırıcıya çevrilən regresiya modellərində lojistik reqressiyadakı çevrilmə bu ümumiyyətlə doğru deyil. 18 Proqnozlaşdırılan ehtimalları hesablayarkən ortalamaların tərs lojiti (metod 3) tərs lojitlərin ortalamasına bərabər deyil (metod 1). Təcrübədəmetod 3 ilə gətirilən səhv, qarşılaşdırıcının nəticə ilə zəif bir əlaqəsi olduqda kiçik ola bilər. Ancaq göstərdiyimiz kimi, daha çox məlumat verən ikili qarışdırıcılar üçün proqnozun səhv tətbiqi, fərqli dərəcədə təsir ölçüsü təxminləri ilə nəticələnə bilər. Metod 3, populyasiyada orta dəyərlərin olması mümkündürsə, davamlı qarışdırıcılar üçün mənalı nəticələr verə bilər, lakin bu analizlərdə kovariate vasitələri ilə müəyyən edilmiş təbəqə ilə məhdudlaşdırılmalıdır.Metod 3, populyasiyada orta dəyərlərin olması mümkündürsə, davamlı qarışdırıcılar üçün mənalı nəticələr əldə edə bilər, lakin bu analizlərdə kovariat vasitəsi ilə müəyyən edilmiş təbəqə ilə məhdudlaşdırılmalıdır.Metod 3, populyasiyada orta dəyərlərin olması mümkündürsə, davamlı qarışdırıcılar üçün mənalı nəticələr əldə edə bilər, lakin bu analizlərdə kovariat vasitəsi ilə müəyyən edilmiş təbəqə ilə məhdudlaşdırılmalıdır.

Qeyd etmək vacibdir ki, marjinal təsir qiymətləndirməsinin bir çox faydası olsa da, fərdlər və ya ümumi əhalinin xüsusi alt qrupları üçün şərti təsirləri proqnozlaşdırmaq üçün istifadə edilməməlidir. Bu, müəyyən bir xəstə üçün ən yaxşı müalicəni seçmək kimi klinik tətbiqetmə ilə analizlər üçün xüsusilə vacib bir fərqdir. Bunun əvəzinə, bu vəziyyətdə olan müstəntiqlər şərti proqnozlaşdırma modellərinə üstünlük verə bilərlər. Bununla birlikdə, modellər bəzi uyğunlaşmalarla şərtləndirilsə də, digərlərindən kənarlaşdırmaq arzu oluna bilər.

Statistik proqram

Metod 1-i tətbiq etmək üçün Stata (StataCorp, College Station, TX) ən istifadəçidir. 31 11-ci və sonrakı versiyalarda 'margins' əmri, ümumi və məruz qalan əhali üçün Əlavədə göstərildiyi kimi populyasiyanın ortalama təxminlərinə görə borcludur ( IJE- də Əlavə məlumatlar kimi mövcuddur)onlayn). Güvən fasilələri bootstrap və ya delta metodu ilə hesablana bilər, ikincisi 'margins' əmri ilə avtomatik olaraq yaradılır. 12, 31 Metod 2 üçün istifadəçilər hər bir qarışdırıcı üçün modal dəyəri ayrı-ayrılıqda təyin etməlidirlər. 'Atmeans' seçimi asanlıqla metod 3 üçün nəticələr yaradır. Stata 10 və daha əvvəlki versiyalarında, "tənzimləmə" əmri, hər üç metod üçün də ehtimal olunan ehtimalları qiymətləndirmək üçün istifadə edilə bilər, lakin borc, vasitə ilə proqnozlaşdırılır və daha mürəkkəb proqramlaşdırma lazımdır metodu tətbiq etmək 1. 12

Bildiyimizə görə, SAS metoduna (SAS Institute Inc., Cary, NC) uyğun gələn proqnozlaşdırılan ehtimalları əldə etməyin sadə bir yolu yoxdur. PROC GENMOD-a əlavə edilmiş LSMEANS seçimi ən intuitiv görünür, lakin asanlıqla vasitə proqnozunu əks etdirən nəticələrdən başqa bir şey çıxarmır. Hətta OM (müşahidə olunan son hədlər) seçimi, sadəcə SINIF bəyanatında kategorik olaraq müəyyən edilən səhv edənlər üçün qarşılaşdırılmış səviyyələr arasındakı qüsursuz tarazlığın fərziyyəni müşahidə olunan nisbətlərə (yəni vasitə ilə proqnozlaşdırma) dəyişdirir. 30 SAS istifadə edərək marjinal standartlaşdırma tətbiq etmək istəyən oxucuları başqa bir yerdə təsvir olunan bir makroya yönəldirik. 49 SAS tərəfindən çağırıla bilən SUDAAN-dakı (Tədqiqat Üçbucağı İnstitutu, Tədqiqat Üçbucağı Parkı, NC) PROC RLOGIST əmri 1 üsulunu tətbiq edə bilər (müəlliflərdən əldə olunan sintaksis),və kompleks tədqiqat məlumatları ilə lojistik reqressiyadan sonra risk nisbətlərini və risk fərqlərini qiymətləndirmək üçün marjinal proqnozu təsvir edən SUDAAN metodları dərc edilmişdir. 50

Nəticə

Qeyri-obyektiv risk nisbətini və ya konfiqurasiya edilmiş logistik reqressiyadan risk fərqini qiymətləndirmək üçün proqnozlaşdırılan ehtimalların hesablanması metodu hədəf faiz kütləsi ilə uyğunlaşdırılmalıdır. Ədəbiyyatda tez-tez istifadə olunan üç metod üçün tətbiq olunan və nəticəli hədəf populyasiyalarının tətbiqlərini nəzərdən keçirdik. Hər bir müşahidə olunan dəyişkən profil üçün proqnozlaşdırılan ehtimalların ağırlıqlı ortalaması ilə həyata keçirilən ən intuitiv və mənalı yanaşma ümumi populyasiyanın standartlaşdırılmasına bənzəyir. Rejimlərdəki proqnoz etibarlı nəticələr verir, lakin nəticə ən ümumi kovaryat dəyərləri ilə təyin olunan tək təbəqə ilə məhdudlaşır. Dichotomous covariates varlığında vasitələrdəki proqnoz mənalı deyil,və qarışıqlıqlar nəticə ilə güclü bir şəkildə əlaqələndirildikdə və təsir ölçüsü təxmininin əhali ortalamasını təmsil etdiyi kimi şərh edildikdə əhəmiyyətli səhvlər yarada bilər. Təəssüf ki, proqnozlaşdırılan ehtimalları lojistik modellərdən çıxarmaq əmrlərini özündə cəmləşdirən statistik proqram paketlərində, proqram sənədlərində hər zaman standart yanaşma və müvafiq hədəf kütləsi aydın şəkildə müəyyənləşdirilmir. Xüsusilə, SAS və Stata-dakı standart əmrlər, proqnozlaşdırmanın səhvən tətbiq olunmasına səbəb ola bilər. Dichotomous confounders üçün düzəlişlər edildikdə, marginal standartlaşdırma, tədqiqat nümunəsinin götürüldüyü ümumi mənbə populyasiyasına dair nəticə çıxarmaq üçün uyğun bir üsuldur və Əlavədə verilmiş sintaksisin istifadəsini asanlaşdıracağına ümid edirik (Əlavə məlumatlarvə Əlavədə göstərilən sintaksisin istifadəsini asanlaşdıracağına ümid edirik (əlavə məlumat kimi mövcuddurvə Əlavədə göstərilən sintaksisin istifadəsini asanlaşdıracağına ümid edirik (əlavə məlumat kimi mövcuddurvə ümid edirik ki, Əlavədə verilmiş sintaksis onun istifadəsini asanlaşdıracaqdır (Əlavə məlumatlar kimi mövcuddurvə Əlavədə göstərilən sintaksisin istifadəsini asanlaşdıracağına ümid edirik (əlavə məlumat kimi mövcuddurvə ümid edirik ki, Əlavədə verilmiş sintaksis onun istifadəsini asanlaşdıracaqdır (Əlavə məlumatlar kimi mövcuddurvə Əlavədə göstərilən sintaksisin istifadəsini asanlaşdıracağına ümid edirik (əlavə məlumat kimi mövcuddurproqnozlaşdırılan ehtimalları lojistik modellərdən çıxarmaq əmrlərini özündə cəmləşdirən statistik proqram paketlərində, proqram sənədlərində varsayılan yanaşma və uyğun hədəf kütləsi həmişə dəqiq müəyyənləşdirilmir. Xüsusilə, SAS və Stata-dakı standart əmrlər, proqnozlaşdırmanın səhvən tətbiq olunmasına səbəb ola bilər. Dichotomous confounders üçün düzəlişlər edildikdə, marginal standartlaşdırma, tədqiqat nümunəsinin götürüldüyü ümumi mənbə populyasiyasına dair nəticə çıxarmaq üçün uyğun bir üsuldur və Əlavədə verilmiş sintaksisin istifadəsini asanlaşdıracağına ümid edirik (Əlavə məlumatlarproqnozlaşdırılan ehtimalları lojistik modellərdən çıxarmaq əmrlərini özündə cəmləşdirən statistik proqram paketlərində, proqram sənədlərində varsayılan yanaşma və uyğun hədəf kütləsi həmişə dəqiq müəyyənləşdirilmir. Xüsusilə, SAS və Stata-dakı standart əmrlər, proqnozlaşdırmanın səhvən tətbiq olunmasına səbəb ola bilər. Dichotomous confounders üçün düzəlişlər edildikdə, marginal standartlaşdırma, tədqiqat nümunəsinin götürüldüyü ümumi mənbə populyasiyasına dair nəticə çıxarmaq üçün uyğun bir üsuldur və Əlavədə verilmiş sintaksisin istifadəsini asanlaşdıracağına ümid edirik (Əlavə məlumatlarXüsusilə, SAS və Stata-dakı standart əmrlər, proqnozlaşdırmanın səhvən tətbiq olunmasına səbəb ola bilər. Dichotomous confounders üçün düzəlişlər edildikdə, marginal standartlaşdırma, tədqiqat nümunəsinin götürüldüyü ümumi mənbə populyasiyasına dair nəticə çıxarmaq üçün uyğun bir üsuldur və Əlavədə verilmiş sintaksisin istifadəsini asanlaşdıracağına ümid edirik (Əlavə məlumatlarXüsusilə, SAS və Stata-dakı standart əmrlər, proqnozlaşdırmanın səhvən tətbiq olunmasına səbəb ola bilər. Dichotomous confounders üçün düzəlişlər edildikdə, marginal standartlaşdırma, öyrənmə nümunəsinin götürüldüyü ümumi mənbə populyasiyasına dair nəticə çıxarmaq üçün uyğun bir üsuldur və Əlavədə verilmiş sintaksisin istifadəsini asanlaşdıracağına ümid edirik (Əlavə məlumatlarIJE onlayn).

Maliyyələşdirmə

Bu iş Milli Səhiyyə İnstitutlarının bir qrantı ilə dəstəklənmişdir (qrant sayı 1U01-HD061940).

Təşəkkürlər

Erkən qaralamalarla əlaqədar geribildirim və məsləhət verdiyinə görə Jay Kaufman'a təşəkkür edirik. Anonim rəyçiləri əlyazmanı yaxşılaşdırmaq üçün faydalı tənqid və təkliflərinə görə təşəkkür edirik.

Zəmanətçi: Hər iki müəllif bu əlyazmanın məzmununa zamin kimi xidmət edəcəklər.