مدل‌هاي بازگشتي تصحيح واريانس در مطالعات پزشكي

مقدمه: در بسياري از مطالعات پزشكي و اپيدميولوژي هر فرد تحت شرايطي مي تواند وقايعي را چندين بار، يكي پس از ديگري و به صورت متوالي تجربه نمايد كه آن ها را وقايع بازگشتي مي نامند. اهداف وسيع تحليل اين گونه وقايع مي تواند شامل توصيف فرآيند رخداد واقعه در افراد، پراكندگي وقايع از فردي به فرد ديگر و رابطه بين متغيرهاي پيش بين ثابت يا وابسته به زمان با زمان رخداد واقعه باشد. از اين رو، هدف اصلي اين مقاله ارائه و تفسير مدل هاي پيشرفته آماري به منظور تحليل درست اين وقايع بود كه در سال هاي اخير پيشنهاد شده اند. مواد و روش كار: در اين مقاله، براي مدلسازي وقايع بازگشتي روش هاي تصحيح واريانس كه شامل مدل هاي AG، شرطي PWP (PWPTT و PWPGT) و مدل حاشيه اي WLW هستند، ارائه و با يكديگر مقايسه شده اند. يافته ها: اغلب، مدل هاي شرطي PWP زماني كاربرد دارند كه تعداد وقايع كمي براي هر فرد رخ دهد و مخاطره رخداد مجدد واقعه ميان رخداد هاي مختلف تغيير نمايد. در حالي كه مدل حاشيه اي WLW و مدل AG با پيش بين هاي وابسته به زمان، براي تعيين فراواني وقايع به كار مي روند. بحث و نتيجه گيري: محققان حوزه پزشكي و اپيدميولوژي براي انتخاب صحيح مدل هاي بازگشتي بايد به عوامل مختلفي از جمله تعداد وقايع، ارتباط ميان وقايع، متغير بودن اثر عوامل از واقعه اي به واقعه ديگر، فرايند بيولوژيكي و ساختار همبستگي داده ها توجه نمايند.