تقدير دالة المخاطرة وتحليل البقاء لمرضى السل في مدينة أربيل
الشريط الجانبي للمقالة
THIS IS AN OPEN ACCESS ARTICLE UNDER THE CC BY LICENSE
محتوى المقالة الرئيسي
الملخص
هدفت الدراسة إلى تقدير العوامل المؤثرة على احتمالية بقاء مرضى السل استخدمت الدراسة نموذجين (نموذج الانحدار اللوجستي ونموذج الانحدار كوكس) في تحليل البقاء. وقد تم تطبيق كابلان ماير لتقدير دالة المخاطرة. تم الحصول على البيانات من المديرية العامة للصحة، أربيل/مركز أمراض الصدر والجهاز التنفسي في الفترة من 11 كانون الثاني 2015 الى 23 تشرين الثاني 2019 لجميع مرضى المصابين بالسل الذين راجعوا المستشفى مع فترة متابعة الى 14 نيسان 2020. وأظهرت النتائج لكابلان ماير فرق كبير في البقاء لمرضى المصابين بالسل لجميع العوامل المؤثرة كما أظهرت منحنيات كابلان ماير بوضوح إلى أن خطر الموت يزداد مع مرور الوقت خاصة بعد 15 شهرًا. تم اختيار نموذج الانحدار اللوجستي ليكون أفضل نموذج لتمثيل بيانات الدراسة لمرضى السل؛ وتم استخدام معيارين للمفاضلة لاختيار أفضل نموذج للبيانات وهي معيار معلومات أكايكي ومعيار معلومات بيز.
التنزيلات
تفاصيل المقالة
المراجع
ARCHER, K. J. & LEMESHOW, S., 2006, Goodness-of-fit test for a logistic regression model fitted using survey sample data. The Stata journal, 6(No.1), pp. 97-105.
BALAKRISHNAN, N. & RAO, C. R., 2004, Handbook of Statistics 23- Advances in Survival Analysis. north holand: s.n.
EKMAN, A., 2017, Variable selection for the Cox proportional hazards model. Umea university, 21 January.p. 84.
FOX, J., 2014, Introduction to Survival analysis. sociology 761.
FRANK E. HARRELL, I., 2001, regression modeling strategies. 1 ed. New York: Springer Science.
GUO, S., 2010, Survival analysis. 1st ed. New York: Oxford university press, Inc.
HARRELL, F. E., 2001, Regression Modeling With Applications to Linear Models, Logistic Regression, and Survival Analysis. Nashville, TN 37232-2637: Springer Science+Business Media New York.
HEAGERTY, P., 2005, Survival Analysis. new work: Va/Uw Summer.
HOSMER, D. W. & LEMESHOW, S., 2000, applied logistic regression. 2nd ed. canada: Wiley & Sons, inc..
HOSMER, D. W., LEMESHOW, S. & MAY, S., 2008, Applied Survival Analsis: Regression Modeling of Time to Event Data. 2nd ed. canada: John wiley & sons, Inc.
HOUT, A. V. D., 2017, multi-state survival models for interval censored data. U.S.: taylor & francis group.
JONY, 2016. how to. 4 ed. iraq: afsana.
KOROSTELEVA, O., 2008, Clinical Statistics-Introducing Clinical Trials, Survival Analysis, and Longitudinal Data Analysis. 1st ed. USA: Jones and Bartlett Series in Mathematics.
LEE, E. T. & WANG, J. W., 2003, Statistical Methods for survival data analysis. 2nd ed. NEW YORK: Wiley & Sons, Inc.
LIU, X., 2012, Survival analysis 'models and applications'. 1st ed. united kingdom: John Wiley & Sons Ltd.
LOKESHMARAN A, &. ,. R. E., 2013, BAYESIAN VARIABLE SELECTION FOR COX’S REGRESSION MODEL. Asia Pacific Journal of Research, pp. 11 - 23.
MARK, S., 2007, An Introduction to Survival Analysis. EpiCentre, IVABS, pp. 2-31.
MAWLOOD, K. I., 2019, Using Logistic Regression and Cox Regression Models to Studying the Most Prognostic Factors for Leukemia patients. QALAAI ZANIST SCIENTIFIC JOURNAL, 4(2), pp. 705-724.
MCDONALD, J. H., 2014, Handbook of Biological Statistics. 3rd ed. USA: Sparky house publishing.
MOORE, D. F., 2016, Applied Survival Analysis Using R. Switzerland: springer international publishing.
SCHMIDT, P. & WITTE, A. D., 1998, Predicting Recidivism Using Survival Models. 1st ed. London: Springer verlag.
WIENKE, A., 2011, Frailty models in survival analysis. 1st ed. USA: Taylor & Francis group, LLC.
XIN, X., 2011, A Study of ties and Time-Varying Covariates in Cox Proportional Hazards Model. University of Guelph,, pp. 1-43.
المصادر العربية:
التلباني، ش، 2011، دراسة مقارنة بين نموذج الانحدار اللوجيستي ونموذج انحدار كوكس لدراسة أهم العوامل الاقتصادية والديموغرافية المؤثرة على معرفة واتجاهات الشباب نحو قضايا الصحة الإنجابية، رسالة دكتوراه غير منشوره، جامعة أبو بكر بلقايد، تلمسان، الجزائر.
فتيحة، ب.، 2015، COX تقدير مدة البحث عن الشغل لحاملي شهادات تكوين المهني باستعمال نموذج الأخطار النسبية، مجلة العلوم الاقتصاد والتسيير والتجارة (جامعة بغداد)، ص11-33.