نتایج جستجو برای: مدل باکس کاکس دابل هاردل
تعداد نتایج: 120478 فیلتر نتایج به سال:
زمینه و هدف: روشهای مختلفی برای تحلیل داده ها در مطالعات بقا مورد استفاده قرار می گیرد. این مطالعه به منظور تحلیل عوامل مرتبط با بقای بیماران پیوند کلیه با استفاده از اسپلاین جریمه شده در مدل کاکس و مقایسه آن با مدل مخاطرات متناسب کاکس انجام پذیرفت. روش بررسی: مطالعه به صورت همگروهی گذشته نگر بر روی اطلاعات 876 بیمار پیوند کلیه در شهر کرمانشاه طی سالهای 1394-1380 انجام گرفت. برای تحلیل داده ها...
مقدمه و هدف: سکته مغزی، شایع ترین بیماری در افراد بزرگسال است. زمین خوردن، رایج ترین اختلال تعادلی و حرکتی است که کیفیت زندگی بیماران سکته مغزی را تحت تأثیر قرارمی دهد. این مطالعه با هدف بررسی عوامل مؤثر بر بهبود وضعیت حرکتی بیماران سکته مغزی تحت درمان با روش کاردرمانی و پیش بینی وضعیت تعادل بیماران با استفاده از مدل رگرسیون هاردل انجام شد. مواد و روش ها: طی مطالعه ای طولی به مدت نه ماه با روش ...
سابقه و هدف: یکی از روشهای آماری تحلیل دادههای بقا، مدل رگرسیونی کاکس است که نیازمند پذیرههایی مانند متناسب بودن مخاطرات است. در چند دهه اخیر بهکارگیری مدل شبکه عصبی مصنوعی برای پیشبینی دادههای بقا، افزایش یافته است. این مطالعه به منظور پیشبینی بقای بیماران مبتلا به سرطان معده به کمک دو مدل رگرسیونی کاکس و شبکه عصبی مصنوعی انجام شده است. مواد و روشها: طی سالهای 1381 لغایت 1385، تعداد ...
هدف: روش رایج در برآورد شاخصهای بقا، مدل کاکس است. در دادههایی با حجم بالا، وجود اثر متقابل از درجات مختلف در مدل قابل انتظار است. در چنین وضعیتی مدل کاکس عملکرد مناسبی ندارد.مدل انباشت تصادفی بقا (Random survival forest, RSF) به عنوان جایگزین مدل کاکس میتواند در چنین وضعیتی مفید باشد. هدف این مطالعه تعیین عوامل موثر بر بقای پیوند کلیه در بیماران پیوندی از دهنده زنده با استفاده از روش RSF ا...
مقدمه و هدف: روش رایج در برآورد بقا، مدل کاکس است که اعتبار نتایج آن، به پذیره مخاطرات متناسب وابسته است. روش k- نزدیکترین همسایگی یک روش ناپارامتری برای احتمالات بقا در جوامع ناهمگن میباشد. هدف این مطالعه مقایسه کارایی مدل کاکس و روش k- نزدیکترین همسایگی (knn) است. روش کار: این مطالعه کوهورت گذشتهنگر بر روی 475 بیمار دریافت کننده پیوند کلیه طی سالهای 1390-1373 شهر همدان میباشد. اطلاعات از ...
چکیده سابقه و هدف: در بیشتر مدلهای حیوانی استفاده شده برای ارزیابی ژنتیکی حیوانات، فرض میشود که واریانسهای ژنتیکی و باقیمانده در محیطها و ژنوتیپهای مختلف همگن هستند ولی در شرایطی که دادهها از محیطهای مختلف و یا در زمانهای متفاوت بدست میآیند، چنین فرضی ممکن است نادرست باشد. در مطالعات متعددی ناهمگنی واریانسهای ژنتیکی، باقیمانده و فنوتیپی براساس عوامل مختلف نظیر ناحیه جغرافیایی، سطح تول...
سابقه و هدف: یکی از روش های آماری تحلیل داده های بقا، مدل رگرسیونی کاکس است که نیازمند پذیره هایی مانند متناسب بودن مخاطرات است. در چند دهه اخیر به کارگیری مدل شبکه عصبی مصنوعی برای پیش بینی داده های بقا، افزایش یافته است. این مطالعه به منظور پیش بینی بقای بیماران مبتلا به سرطان معده به کمک دو مدل رگرسیونی کاکس و شبکه عصبی مصنوعی انجام شده است. مواد و روش ها: طی سال های 1381 لغایت 1385، تعداد 4...
هدف: سرطان ریه یکی از شایعترین سرطانها در جهان و جز پنج سرطان شایع و سومین عامل مرگ در ایران است. در این مطالعه جهت بررسی عوامل موثر بر بقای بیماران سرطان ریه از مدلهای نیمهپارامتری کاکس و پارامتری وایبل استفاده و کارایی آنها مقایسه شد. مواد و روشها: در این مطالعه توصیفی-تحلیل که از نوع طولی بود، 228 بیمار مبتلا به سرطان ریه طی سالهای 1370 تا 1385 پیگیری و اطلاعات لازم از طریق مرکز ثبت ...
سابقه و هدف: در داده های ریسک رقابتی وقتی یک فرد پیشامدی غیر از پیشامد مورد نظر را تجربه کند، احتمال پیشامد مورد نظر تغییر می کند؛ بنابراین لازم است تحلیل ریسک رقابتی انجام شود. هدف از مطالعه حاضر به کارگیری مدلهای ریسک رقابتی برای تحلیل عوامل مخاطره در بیماران مبتلا به سرطان سینه می باشد. مواد و روش ها: این مطالعه از نوع کوهورت و متعلق به 6206 بیمار مبتلا به سرطان سینه است و شامل تمامی زنان...
چکید ه سابقه و هدف مدل رگرسیون کاکس، یکی از روشهای رایج تحلیل دادههای بقا میباشد که قبل از به کارگیری آن لازم است فرض متناسب بودن خطرات برقرار باشد. اخیراً مدلهای شبکه عصبی بدون نیاز به فرض خاص، جایگزینی مناسب در پیشبینی بقا میباشند. هدف از این مطالعه، مقایسه توانایی مدل رگرسیون کاکس و شبکه عصبی مصنوعی در پیشبینی بقای بیماران لوسمی حاد بود. مواد و روشها در یک مطالعه گذشتهنگر...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید