مدل‌سازی داده‌های چندمتغیره طولی با استفاده از توابع مفصل جفتی واین

Abstract

در برخی مطالعات پزشکی ممکن است چندین اندازه گیری بر روی هر بیمار داشته باشیم. در چنین شرایطی یکروش، به‌کارگیری اثرات تصادفی در مدل‌سازی داده‌ها است. گاهی این داده‌های طولی ممکن است برای چندین متغیرپاسخ اندازه‌گیری شود، در این حالت اگر چه می‌توان پاسخ‌ها را به صورت مجزا مدل‌بندی کرد اما چنین رویکردی موجبکاهش توان و کارایی در برآورد اثرات متغیرهای کمکی روی متغیر پاسخ می‌گردد. در چنین مدل‌هایی علاوه بر تحلیلوابستگی بین اندازه‌های مکرر مربوط به هریک از متغیرهای پاسخ، وابستگی بین پاسخ ها نیز باید مدل شود. از جملهروش‌هایی که در سال‌های اخیر توجه بسیاری از محققان را برای مدل‌سازی داده‌های چند متغیره به خود جلب کرده است،مدل سازی داده‌ها با استفاده از تابع مفصل است. از مهمترین مزیت های بکارگیری تابع مفصل نسبت به مدل‌سازی چندمتغیره طولی داده ها به روش کلاسیک این است می‌توان علاوه بر توزیع نرمال هر توزیع دیگری غیر از نرمال را به عنوانتوزیع های حاشیه ای در نظر گرفت. همچنین توزیع های حاشیه‌ای حتی می‌توانند توزیع‌های متفاوتی داشته باشند. درشرایطی که داده‌ها ساختاری چند متغیره داشته باشند یکی از راه‌های تشکیل توزیع‌های چندمتغیره استفاده از مفصل‌هایجفتی و این است. ما در این مطالعه با استفاده از تابع مفصل‌های مختلف به کمک مفصل‌های جفتی واین ساختار طولیچندمتغیره‌ای را تشکیل می‌دهیم و این مدل‌ها را با مدل حاصل از برازش تابع مفصل نرمال چند متغیره مقایسه می‌کنیم.سپس بهترین مدل را با استفاده از معیار اطلاع آکائیک معرفی کرده و در پایان مدل ارائه شده را بر روی داده‌های برآورداثر تغذیه بر رشد نوزادان به کار خواهیم گرفت.

Keywords

• اندازه‌گیری طولی
• تابع مفصل نرمال چندمتغیره
• مفصل‌های جفتی واین
• رشد نوزاد
• تغذیه نوزاد