Un metodo di trigonometrica Modellazione di variazione stagionale dimostrata con sclerosi multipla recidiva dati

L'obiettivo generale di questa regressione trigonometrica statistica è quello di modellare la tempistica degli eventi di recidiva che comunemente caratterizzano il decorso della malattia di un paziente nella sclerosi multipla e utilizzare questi modelli per studiare i correlati stagionali e latitudinali dell'insorgenza della recidiva. Questo metodo può aiutare a esplorare le questioni chiave della storia naturale nell'epidemiologia della sclerosi multipla, comprese le influenze indipendenti della stagione e della latitudine e i tempi della ricaduta, che è un grande potenziale per guidare le successive indagini sui meccanismi biologici della recidiva. Il vantaggio principale di questa tecnica è che fornisce uno strumento flessibile basato sulla regressione per esplorare e indagare fenomeni periodici e ciclici.

Ciò consente di isolare le influenze della latitudine e della stagione da una serie di altri correlati di recidiva, inclusi i fattori del paziente e del trattamento. Le analisi qui descritte vengono effettuate utilizzando un software di stato guidato dalla riga di comando. Inizia aprendo un file do.

Fare clic sul pulsante nuovo editor di file. Successivamente, utilizzando il comando generate, calcola il numero di insorgenze di recidiva datate a ciascuno dei 12 mesi di calendario. Eseguire questa operazione per il livello geografico da modellare, che in questo caso è l'emisfero.

Eseguire il comando di generazione poiché tutti i comandi vengono eseguiti facendo clic sul pulsante di azione esegui esegui file nel file dovuto. Quindi, eseguire un comando S WIL o un comando SK test per testare la distribuzione sottostante dei conteggi delle recidive per la normalità. Queste opzioni applicano rispettivamente un test di Shapiro Wilk o un test di Harkey Bara modificato.

Fare la scelta appropriata se i dati sul conteggio delle recidive sono significativamente distorti. Applicare quindi una trasformazione log. Se i dati passano.

Il test di normalità procede utilizzando il comando generate per creare una nuova variabile northco month per l'emisfero australe. Mesi solari compensati di sei unità. Ora usa la variabile del mese nord per creare un grafico a dispersione di tutti i dati.

Metti il calendario, i mesi e le stagioni sull'asse x e gli insorgenza di recidive mensili osservate con la frequenza di ricaduta sull'asse Y. Osserva i modelli di insorgenza delle recidive nel corso dell'anno solare visualizzando ogni grafico nel visualizzatore grafico. Quindi, eseguire il comando radar per disegnare grafici radar della distribuzione della frequenza di ricaduta per mese di calendario.

Con ogni asse radar che cattura un singolo mese, ordina in senso orario. Per completare questa analisi, eseguire il comando CT per applicare un test di Edwards della stagionalità ai dati di recidiva osservati. Ripetere questo test ad ogni livello geografico procedendo con il software.

Costruisci un modello dei dati. Innanzitutto, specificare il segno del ciclo annuale e le funzioni trigonometriche da utilizzare nella regressione dei dati. Successivamente, utilizzare il comando regress per specificare la forma del modello di base con il conteggio delle ricadute come risultato dipendente.

Questo comando inserisce i termini del segno e del co-segno appena calcolati come variabili esplicative primarie. Quindi aggiunge l'UVR specifico della posizione come covariata di aggiustamento aggiuntiva e applica l'opzione del peso analitico per pesare il modello per il numero di pazienti forniti da ciascuna posizione. A questo punto, archiviare la ricaduta mensile del log prevista dal modello utilizzando il comando predict per ogni sito.

Convertire le ricadute del log in conteggi di ricadute interi. Esponenziare il termine di ricaduta del log utilizzando il comando generate per ogni sito. Quindi sovrapporre la previsione delle stime mensili di ricaduta dell'expon utilizzando il comando two-way scatter

Ora, espandi il modello aggiungendo un'ulteriore coppia di co-firme di segni armonici utilizzando il comando regress. Fallo altre due volte, in modo che vengano aggiunte tre coppie di segni di cofirma. Ogni coppia sarà utilizzata per produrre un modello autonomo dei dati per stimare la probabilità di picco di recidiva.

Inizia con l'utilizzo di nl com per calcolare il punto, la stima e l'intervallo di confidenza al 95% per lo sfasamento. Per un modello più adatto, convertire le stime puntuali restituite e gli intervalli di confidenza associati in dati numerati per ogni giorno dell'anno. Riportare la frequenza di ricaduta di picco o tmax e la frequenza di ricaduta minima o T in.

Quindi abbina i dati tmax e T in a una data di calendario tramite il file di ricerca Excel. In questa sezione viene descritto come modellare i dati relativi alla radiazione ultravioletta o ai dati UVR. Per iniziare, eseguire il comando use per caricare i dati UVR.

Quindi, utilizzando il comando egen, calcola l'UVR mensile mediano per ogni posizione. Per ogni posizione, utilizzare la funzione di dispersione bidirezionale per rappresentare graficamente un grafico a dispersione dell'UVR mensile sull'asse Y rispetto al mese di calendario sull'asse X. Quindi verificare la normalità dei dati utilizzando il test di wilk o SK come prima.

Successivamente, utilizzando il comando regress, specificare un modello di base della tendenza UVR annuale a livello di posizione. Specificare l'UVR mensile come variabile di risultato dipendente, quindi rendere le variabili esplicative le funzioni metriche di segno e cosegno trigono generate in precedenza. Quindi traccia i risultati e sovrapponi i valori previsti.

Ciò comporta la riesecuzione del comando di dispersione bidirezionale per sovrapporre i dati previsti e osservati e l'utilizzo del comando regress per eseguire le alternative del modello armonico espanso. Ora con il modello di miglior adattamento, utilizzare il comando generate per calcolare la stima del punto di sfasamento e l'intervallo di confidenza del 95% associato per l'UVR. Applicando le formule del doppio angolo, ancora una volta, calcola la squadra in per ogni posizione come calcolato in precedenza.

Continuare l'analisi dei dati UVR stagionali utilizzando il comando merge per aggiungere il minimo calcolato in precedenza e sostituire le date di picco per ogni località. Quindi utilizzare il comando generate per calcolare il tempo trascorso in mesi tra la data di minimo UVR e la successiva data di picco di recidiva. Prima di procedere, eseguire un test di normalità sui dati del ritardo uuv utilizzando il comando SK test.

Dopo l'unione, converti la latitudine relativa in latitudine assoluta utilizzando la funzione ABS X. Continuare a utilizzare il regresso per specificare un modello di regressione media lineare con il ritardo UVR da minimo a picco di recidiva come variabile di risultato dipendente e latitudine assoluta in unità di 10 gradi come variabile predittiva. Assicurarsi di attendere il modello per il numero di pazienti forniti da ciascuna posizione utilizzando l'opzione di regressione dei pesi A.

Infine, utilizzare il comando di dispersione bidirezionale per tracciare la latitudine assoluta sull'asse Y rispetto al minimo UVR per il ritardo di ricaduta sull'asse x visualizzato in mesi dalle opzioni grafiche. Sovrapporre una linea di adattamento ottimale utilizzando l'opzione L fit graph e utilizzare l'opzione a pesi per visualizzare i pesi relativi dei pazienti di ciascuna posizione. L'analisi di regressione trigonometrica è stata eseguita utilizzando un set di dati di 32.762 eventi di recidiva.

La rappresentazione grafica di base dei dati ha suggerito un ciclo annuale con un picco primaverile e un minimo autunnale a tutti i livelli geografici. Le ricadute hanno raggiunto un picco globale nel mese di maggio. Nei dati dell'emisfero settentrionale, un picco corrispondente a novembre è stato osservato nei dati dell'emisfero meridionale.

Questi risultati hanno mostrato una variazione temporale periodica a tutti e tre i livelli geografici meglio descritta da un ciclo annuale con un singolo picco e una singola depressione su un intervallo di sei mesi. Pertanto, questo è stato stabilito come modello di caso base in entrambi gli emisferi. Successivamente, sono stati preparati grafici di regressione UVR per determinare il picco di recidiva minimo UVR.

La metrica del picco di ricaduta UVR ha mostrato l'influenza della latitudine sulla probabilità di recidiva quando la latitudine dall'equatore aumenta. C'è una diminuzione correlativa del ritardo tra la depressione UVR e il successivo picco di recidiva dopo il suo sviluppo. Questa tecnica ha aperto la strada per consentire ai ricercatori di esplorare matematicamente i fenomeni epidemiologici, che variano periodicamente e psichicamente.

Dopo aver visto questo video, ora dovresti avere una buona idea di come studiare e criticare i fenomeni ciclici periodici utilizzando uno strumento di regressione basato sulla trigonometria. Quando si applica questa tecnica, è importante assicurarsi che il set di dati sia pulito e che il codice sia sottoposto a debug. È anche importante sovrapporre e applicare un contesto clinico e biologico, in particolare in termini di interpretazione dei risultati e dei dati.