Un método de trigonométricas Modelización de Variación Estacional demostrada con Esclerosis Múltiple La recaída de datos

El objetivo general de esta regresión trigonométrica estadística es modelar el momento de los eventos de recaída que comúnmente caracterizan el curso de la enfermedad de un paciente en la esclerosis múltiple y utilizar estos modelos para estudiar los correlatos estacionales y latitudinales del inicio de la recaída. Este método puede ayudar a explorar cuestiones clave en la historia natural de la epidemiología de la esclerosis múltiple, incluidas las influencias independientes de la estación y la latitud, y el momento de la recaída, que es un gran potencial para guiar las investigaciones posteriores sobre los mecanismos biológicos de la recaída. La principal ventaja de esta técnica es que proporciona una herramienta flexible basada en la regresión para explorar e investigar fenómenos periódicos y cíclicos.

Esto permite aislar las influencias de la latitud y la estación del año de una serie de otros correlatos de la recaída, incluidos los factores del paciente y del tratamiento. Los análisis descritos aquí se realizan utilizando software de estado controlado por línea de comandos. Comience abriendo un archivo do.

Haga clic en el nuevo botón Editar archivo. A continuación, con el comando generar, calcule el número de inicios de recaída con fecha de cada uno de los 12 meses calendario. Haga esto para el nivel geográfico que se está modelando, que en este caso es el hemisferio.

Ejecute el comando generar, ya que todos los comandos se ejecutan haciendo clic en el botón de acción ejecutar hacer hacer archivo en el archivo debido. A continuación, ejecute un comando S WIL o un comando de prueba SK para probar la distribución subyacente de los recuentos de recaídas para la normalidad. Estas opciones aplican una prueba de Shapiro Wilk o una prueba de Harkey Bara modificada, respectivamente.

Tome la decisión adecuada si los datos del recuento de recaídas están significativamente sesgados. A continuación, aplique una transformación logarítmica. Si los datos pasan.

La prueba de normalidad continúa utilizando el comando generate para crear una nueva variable northco month para el hemisferio sur. Meses calendario compensados por seis unidades. Ahora use la variable del mes del norte para hacer un diagrama de dispersión de todos los datos.

Coloque el calendario, los meses y las estaciones en el eje x y los inicios de recaídas mensuales observados con frecuencia de recaídas en el eje Y. Observe los patrones en el inicio de las recaídas a lo largo del año calendario visualizando cada gráfico en el visor de gráficos. A continuación, ejecute el comando radar para dibujar gráficos de radar de la distribución de la frecuencia de recaída por mes calendario.

Con cada eje de radar capturando un solo mes ordenado en el sentido de las agujas del reloj. Para completar este análisis, ejecute el comando CT para aplicar una prueba de Edwards de estacionalidad en los datos de recaída observados. Repita esta prueba en cada nivel geográfico procediendo con el software.

Construya un modelo de los datos. En primer lugar, especifique las funciones trigonométricas de signo y cosignativo del ciclo anual que se utilizarán en la regresión de datos. A continuación, utilice el comando regress para especificar la forma del modelo base con el recuento de recaídas como resultado dependiente.

Este comando introduce los términos de signo y codeudor recién calculados como variables explicativas principales. A continuación, agrega la RUV específica de la ubicación como una covariable de ajuste adicional y aplica la opción de peso analítico para ponderar el modelo para el número de pacientes aportados por cada ubicación. Ahora, almacene la recaída del registro mensual predicha del modelo mediante el comando predict para cada sitio.

Convierta las recaídas de registro en recuentos de recaídas de enteros. Exponenciar el término de recaída logarítmica mediante el comando generate para cada sitio. A continuación, superponga la predicción de las estimaciones de recaída mensual de los expatriados utilizando el comando de dispersión bidireccional.

Ahora, expanda el modelo agregando un par de signo armónico adicional mediante el comando regresión. Haga esto dos veces más, de modo que se agreguen tres pares de signos. Cada par se utilizará para producir un modelo independiente de los datos para estimar la probabilidad máxima de recaída.

Comience usando nl com para calcular el punto, la estimación y el intervalo de confianza del 95% para el cambio de fase. Para obtener el modelo de mejor ajuste, convierta las estimaciones puntuales emitidas y los intervalos de confianza asociados en datos numerados para cada día del año. Informe la frecuencia máxima de recaída o tmax y la frecuencia de recaída mínima o T in.

A continuación, haga coincidir los datos tmax y T con una fecha del calendario a través del archivo de búsqueda de Excel. En esta sección se describe cómo modelar los datos de radiación ultravioleta o los datos UVR. Para comenzar, ejecute el comando use para cargar los datos UVR.

Luego, usando el comando egen, calcule la mediana mensual de UVR para cada ubicación. Para cada ubicación, utilice la función de dispersión bidireccional para representar gráficamente un diagrama de dispersión de la RUV mensual en el eje Y frente al mes natural en el eje X. A continuación, compruebe la normalidad de los datos utilizando la prueba s wilk o SK como antes.

A continuación, mediante el comando regresión, especifique un modelo base de la tendencia UVR anual a nivel de ubicación. Especifique la RUV mensual como variables de resultado dependientes y, a continuación, convierta las variables explicativas en las funciones métricas de signo y codeudor trigono generadas anteriormente. A continuación, trace los resultados y superponga los valores predichos.

Esto implica volver a ejecutar el comando de dispersión bidireccional para superponer los datos de predicción y observación, y usar el comando de regresión para ejecutar las alternativas del modelo armónico expandido. Ahora, con el modelo de mejor ajuste, utilice el comando generar para calcular la estimación del punto de cambio de fase y el intervalo de confianza del 95% asociado para la UVR. Aplicando las fórmulas de doble ángulo, de nuevo, calcule el equipo para cada ubicación como se calculó anteriormente.

Continúe el análisis de los datos de UVR estacionales utilizando el comando merge para agregar el valle calculado anteriormente y reemplazar las fechas pico para cada ubicación. A continuación, utilice el comando generate para calcular el tiempo transcurrido en meses entre la fecha mínima de UVR y la fecha máxima de recaída posterior. Antes de continuar, ejecute una prueba de normalidad en los datos de retraso uuv mediante el comando SK test.

Después de la fusión, convierta la latitud relativa en latitud absoluta utilizando la función ABS X. Continúe utilizando la regresión para especificar un modelo de regresión de media lineal con el retraso de pico de UVR de valle a recaída como variable de resultado dependiente y la latitud absoluta en unidades de 10 grados como variable predictora. Asegúrese de esperar el modelo para ver el número de pacientes aportados por cada ubicación mediante la opción de regresión de ponderaciones A.

Por último, utilice el comando de dispersión bidireccional para trazar la latitud absoluta en el eje Y contra el valle de UVR para recaer el retraso en el eje x que se muestra en meses desde las opciones gráficas. Superponga una línea de mejor ajuste utilizando la opción de gráfico de ajuste L y utilice la opción de ponderaciones para visualizar los pesos relativos de los pacientes de cada ubicación. El análisis de regresión trigonométrica se realizó utilizando un conjunto de datos de 32.762 eventos de recaída.

La representación gráfica básica de los datos sugiere un ciclo anual con un pico de primavera y un valle de otoño en todos los niveles geográficos. Las recaídas alcanzaron un nivel global en el mes de mayo. En los datos del hemisferio norte, se observó un pico correspondiente en noviembre en los datos del hemisferio sur.

Estos resultados mostraron una variación temporal periódica en los tres niveles de la geografía, mejor descrita por un ciclo anual con un solo pico y un solo valle en un intervalo de seis meses. Por lo tanto, este se estableció como el modelo de caso base en ambos hemisferios. A continuación, se prepararon gráficas de regresión UVR para determinar el pico de recaída UVR a través de la recaída.

La métrica del pico de recaída del valle de la RUV mostró la influencia de la latitud en la probabilidad de recaída cuando aumenta la latitud desde el ecuador. Hay una disminución correlativa en el desfase entre el valle de la RUV y el posterior pico de recaída después de su desarrollo. Esta técnica ha allanado el camino para permitir a los investigadores explorar matemáticamente los fenómenos epidemiológicos, que varían periódica y psíquicamente.

Después de ver este video, ahora debería tener una buena idea de cómo estudiar y criticar fenómenos cíclicos periódicos utilizando una herramienta de regresión basada en trigonometría. Al aplicar esta técnica, es importante asegurarse de que el conjunto de datos esté limpio y que el código esté depurado. También es importante superponer y aplicar un contexto clínico y biológico, particularmente en términos de interpretación de los resultados y los datos.