تحلیل داده های طولی با گم شدگی غیریکنوا در متغیر پاسخ رسته ای

وقوع مقادیر گم شده در مطالعات مختلف از جمله مطالعات طولی یک پدیده ی شایع است. با توجه به این که گم شدگی یک تهدید جدی برای درستی نتایج حاصل از تجزیه و تحلیل داده ها به شمار می آید، بررسی روش های برخورد با آن اهمیت زیادی دارد. این مطالعه با هدف تحلیل داده های بیماران مبتلا به اپیزود سایکوز اول، با گم شدگی در متغیر پاسخ، انجام شد. در این مطالعه، با فرض غیرتصادفی بودن مکانیسم گم شدگی، دو مدل مجزا برای تحلیل متغیر پاسخ و الگوی گم شدگی به کار گرفته شد. یک مدل انتقالی برای متغیر پاسخ رتبه ای و یک مدل لوجیت چندجمله ای برای گم شدگی. در عین حال، مبتنی بر فرض تصادفی بودن مکانیسم گم شدگی از مدل-بندی گم شدگی صرف نظر و مدل انتقالی مرسوم استفاده شد. برای کلیه ی مدل های انتقالی تابع درست نمایی محاسبه و برآورد پارامترها با دو روش کلاسیک و بیزی انجام شد. این روش ها با نرم افزار-های r نسخه 2.15.1 و winbugs نسخه 1.4.3 در داده های روان پزشکی مربوط به بیمارستان روزبه انجام پذیرفت. نتایج به دست آمده با فرض تصادفی بودن مکانیسم گم شدگی و استفاده از روش کلاسیک برای برآورد پارامترهای مدل، نشان داد که نوع درمان، شغل و تشخیص بالینی اصلی دارای اثر معنی دار بر شدت علائم بیمار می باشد. با فرض غیرتصادفی بودن مکانیسم گم شدگی نتایج مشابهی به دست آمد که در آن اثر تشخیص بالینی اصلی معنادار نشد. در روش بیزی، با فرض تصادفی بودن مکانیسم گم شدگی، اثر متغیرهای شغل و شدت علائم بیمار در یک زمان قبل بر شدت علائم بیمار در زمان حال معنی دار گردید. این متغیرها در حالت غیرتصادفی فرض نمودن مکانیسم گم شدگی نیز معنی دار به دست آمدند. هر دو روش کلاسیک و بیزی ضرورت غیر تصادفی فرض کردن مکانیسم گم شدگی را نشان دادند. بر این اساس و نتایج حاصل از دو روش، تأکید بر متغیرهای معنادار بر پاسخ بیماران در طول درمان، می تواند در شناخت بهتر وضعیت درمانی این بیماران و ارائه ی برنامه های مداخله ای مناسب تر راه گشا باشد.