تاثیر داده های گمشده در نمودارهای رشد
نویسندگان
چکیده مقاله:
سابقه و هدف: استفاده از منحنی رشد قدرتمندترین وسیله پایش رشد کودکان می باشد و از این طریق می توان انحرافات از الگوی رشد طبیعی را بموقع تشخیص داد. ریزش داده ها و مقادیر گمشده از مشکلات معمولی در تجزیه و تحلیل داده های طولی رشد محسوب می شود. لذا اهمیت دارد که با برآورد نمودن مقادیر گمشده، داده ها کامل شده و در مسیری مناسب و صحیح جهت تحلیل قرار داده شوند. مواد و روش ها: این مطالعه طولی طی دو سال بر روی 317 نوزاد (153 پسر، 164 دختر) در شهر شیراز انجام شد. اطلاعات مربوط به رشد (وزن، قد، دور سر، بازو و دور سینه) در بدو تولد و 11 بازدید از منزل کودکان جمع آوری گردید. جهت تاثیر داده های گمشده روی نمودارهای رشد چهار روش نادیده گرفتن مقادیر گمشده، مدل های معمولی و فردی منحنی رشد و انتساب چندگانه مورد بررسی قرار گرفتند. میانگین، صدک های سوم، پنجاهم و نودوهفتم خام و هموار وزن، در پسران و نمودارهای رشد وزن آنها براساس چهار روش تعیین و مورد مقایسه قرار گرفتند. یافته ها: در این مطالعه تفاوت قابل ملاحظه ای در میانگین وزن پسران در سنین مورد مطالعه براساس روش های مدل منحنی رشد و انتساب چندگانه با حالتی که مقادیر گمشده نادیده گرفته شدند بوجود نیامد ولی نمودارهای هموار رشد نشان دادند که استفاده از مدل منحنی رشد فردی (سطح دوم) و انتساب چندگانه موجب می گردد که مقادیر صدک های سوم و نودوهفتم اختلاف قابل توجهی با تحلیل مرسوم (نادیده گرفتن مقادیر گمشده) داشته باشد. نتیجه گیری: باتوجه به وجود مقادیر گمشده در مطالعات رشد نادیده گرفتن آنها جهت تجزیه و تحلیل اشتباه بوده و استفاده از مدل منحنی رشد می تواند جهت مطلوب نمودن تجزیه و تحلیل و مسیر صحیح رشد بااهمیت تلقی شود.
منابع مشابه
مقایسه عملکرد مدلهای درختی و شبکه عصبی به منظور یافتن داده های گمشده تبخیر از تشت در استان خوزستان
دادههای گمشده هواشناسی یکی از مشکلات پیش روی متخصصان و طراحان پروژههای منابع آب است و لازم است این نواقص آماری به طریقی برطرف گردد .روشهای متعددی برای تخمین دادههای گمشده وجود دارد. در این پژوهش کارایی دو مدل درختی و شبکه عصبی در مورد بازسازی دادههای گمشده تبخیر روزانه 4 ایستگاه هواشناسی استان خوزستان مورد ارزیابی قرار گرفت. دوره آماری این تحقیق از سال 2005 تا 2008 بود و دادهها به دو دور...
متن کاملداده های گمشده ، تخصیص و بوتسترپ
در بسیاری از مسائل آماری ، به دلایل مختلف ، تعدادی داده گمشده وجود دارد که می تواند تجزیه و تحلیل اطلاعات را دچار مشکل سازد. روشهای گوناگون در برخورد با چنین مسائلی پیشنهاد شده است که بعضا داده های گمشده را حذف یا مقادیری را جایگزین می کنند. در مسائلی که برآورد پارامتر مدنظر است ، روش بوتسترپ با وجود داده های گمشده و محدودیت تعداد نمونه ، می تواند راه گشا باشد. بدین منظور در این پایان نامه ، سه...
15 صفحه اولبررسی کارآیی روش رگرسیون فازی در بازسازی داده های گمشده سالیانه بارش در حوزه آبریزکارون
خلاهای گسسته و پیوسته در اغلب داده های هیدرولوژی مانند داده های بارش به دلایلی نظیر عدم ثبت آمار، حذف آمار غلط و خرابی یا از بین رفتن دستگاه های اندازه گیری اتفاق می افتد و تخمین و برآورد این داده ها لازم و ضروری می باشد.بدین منظور روش های متعددی برای تخمین داده ها وجود دارد که بسته به شرایط هر ایستگاه ممکن است یک روش خاص بهترین نتیجه را در پی داشته باشد معمولا برای برآورد داده های گمشده در یک ...
متن کاملارائه یک روش جدید برای تخمین مقادیر گمشده در مجموعه داده
اغلب مجموعه داده های مربوط به داده کاوی و ماشین یادگیری دارای داده هایی با مقادیر Missing Values یا داده گمشده می باشند. چگونگی برخورد با داده گمشده و نیز ارائه راهکارهایی مبتنی بر تخمین مقدار مربوط به داده گمشده، منجر به بروز یک مسئله بسیار مهم در زمینه داده کاوی و ماشین یادگیری شده است. در بین الگوریتم های داده کاوی، الگوریتم C4.5، به دلیل کارآیی، استفاده در کاربردهای مختلف داده کاوی و نیز ت...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 6 شماره 4
صفحات 23- 29
تاریخ انتشار 2004-10
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023