Name: Un metodo di trigonometrica Modellazione di variazione stagionale dimostrata con sclerosi multipla recidiva dati (Video) | JoVE Journal
Uploaded: 2015-12-09T15:00:00.000+00:00
Duration: 10 min 46 s
Description: Scopri la modellazione trigonometrica per analizzare la variazione stagionale delle ricadute nella sclerosi multipla. Questo metodo statistico isola gli effetti di latitudine e stagione per guidare future ricerche sui meccanismi biologici.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Gli autori desiderano ringraziare Ivan Hanigan per il suo supporto nell'estrazione e nell'interpretazione dei dati satellitari della radiazione ultravioletta. Il lavoro è stato sostenuto dal NHMRC Career Development Award (Clinical) a HB [ID628856], NHMRC Project Grant [1032484], NHMRC Center for Research Excellence [Grant ID 1001216] e dalla MSBase Foundation. La MSBase Foundation è un'organizzazione senza scopo di lucro che riceve il sostegno di Merck Serono, Biogen Idec, Novartis Pharma, Bayer-Schering, Sanofi-Aventis e BioCSL. RL è supportato da un NHMRC Career Development Award [ID 1004898].

NOTA: Ogni passo descritto corrisponde ad una sezione di codice Stata con lo stesso numero nel file di codice fornito. Nomi dei comandi Stata sono in corsivo nel seguente protocollo. 1. Preparare e Tracciare la Osservato Relapse Onset dati <ol><li> Aprire un file fare clic sul pulsante &quot;Nuovo Do file Editor&quot; e utilizzare il comando di generare per calcolare il numero di insorgenze ricaduta datate a ciascuno dei dodici mesi di calendario per ciascuno dei tre livelli geografici da modellare: posizione, emisfero e globale. Azione Comando facendo clic sul pulsante &quot;Esegui (fare)&quot; do-file dell&#39;azione nel fai-file. </li><li> Utilizzare il swilk o il comando sktest per testare la distribuzione sottostante dei conteggi di ricaduta per la normalità con un Shapiro-Wilk o modificati Test di Jarque-Bera per i dati di ricaduta posizione aggregati o disaggregare i dati a livello di ricaduta dei pazienti, rispettivamente. Selezionare codice e fare clic su &quot;Esegui (fare)&quot;. <br /&gt; NOTA: in presenza di una significativa skew, applicare una trasformazione logaritmica naturale e successivamente verificare la ricaduta variabile di conteggio log-trasformati per la normalità approssimativa riapplicando il Shapiro-Wilk o modificati Test di Jarque-Bera a seconda dei casi 38,39. </li><li> Utilizzare il comando di generare per creare un nuovo &quot;north_month&quot; variabile per meridionali mesi di calendario dell&#39;emisfero compensati da +6 a consentire tracciato di entrambi ricadute dell&#39;emisfero settentrionale e meridionale per stagione lungo lo stesso asse orizzontale. Selezionare codice e fare clic su &quot;Esegui (fare)&quot;. <ol><li> Grafico un grafico a dispersione di osservati insorgenze ricaduta mensili con frequenza ricaduta sulla y e calendario mese l&#39;asse x per ogni emisfero con il comando a due vie dispersione. Ripetere per ogni posizione. Osservare modello di alti e bassi a inizio recidiva nel corso dell&#39;anno civile visualizzando ogni appezzamento nel visualizzatore grafico l&#39;si apre automaticamente a schermo. </li></ol></li><li> Utilizzare il comando radar perdisegnare trame radar della distribuzione di frequenza di ricaduta per mese di calendario con ciascun asse radar catturare un solo mese ordinata in senso orario. Selezionare codice e fare clic su &quot;Esegui (fare)&quot;. <ol><li> Ripetere l&#39;operazione per tutti i siti. Osservare modello di alti e bassi a inizio recidiva nel corso dell&#39;anno civile visualizzando ogni appezzamento nel visualizzatore grafico l&#39;si apre automaticamente a schermo. </li></ol></li><li> Eseguire il comando Seast di applicare il test di un Edward della stagionalità attraverso i dati di ricaduta osservati. 40-42 Ripetere l&#39;operazione per tutti i livelli geografici. </li></ol> 2. Modello di costruzione e selezione <ol><li> Utilizzare il comando di generare per specificare le seno e coseno ciclo funzioni trigonometriche annuali da utilizzare nella regressione. Selezionare codice e fare clic su &quot;Esegui (fare)&quot;. </li><li> Utilizzare il comando regressione specificare la forma del modello base con conteggio ricaduta come variabile esito dipendente e le condizioni seno e coseno calcolatial punto 2.1, come le variabili esplicative primarie. <ol><li> Aggiungi specifiche posizione UVR 37 per il modello base come covariata regolazione supplementare e utilizzare l&#39;opzione peso aweight analitico al peso del modello per il numero di pazienti hanno contribuito da ogni posizione. Selezionare codice e fare clic su &quot;Esegui (fare)&quot;. NOTA: Registrare il coefficiente di modello della determinazione (R 2) e l&#39;errore residuo nella finestra dei risultati che si apre automaticamente a schermo. Radiazione ultravioletta: Giornaliero UVR ambiente media erythemally ponderata per ogni mese 1979-2004 incluso è stato acquistato dalla National Aeronautics and Space Administration Terra della sonda Total Ozone Mapping Spectrometer per tutti i singoli luoghi inclusi nell&#39;analisi 37. </li></ol></li><li> Conservare il modello previsto registro mensile (recidiva) utilizzando il comando prevedere. Convertire ricadute registro ritorna conteggi ricaduta interi da exponentiating il termine log (recidiva) utilizzando il Generil comando mangiato. Selezionare codice e fare clic su &quot;Esegui (fare)&quot;. Ripetere l&#39;operazione per tutti i siti. </li><li> Sovrapponete le stime di ricaduta mensili previsti a potenza da 2.3 sui dati di ricaduta mensili osservati con il comando a due vie dispersione. Selezionare codice e fare clic su &quot;Esegui (fare)&quot;. <ol><li> Ripetere l&#39;operazione per tutti i siti. Guarda ogni appezzamento nel visualizzatore grafico. </li></ol></li><li> Utilizzare il comando regressione per espandere il modello specificato al punto 2.2 con l&#39;aggiunta di una coppia seno / coseno armonico aggiuntivo. Selezionare codice e fare clic su &quot;Esegui (fare)&quot;. NOTA: Registrare l&#39;errore residuo e il coefficiente di determinazione. Salva e trasformare le stime dei modelli come da 2.3 e il modello grafico stime sui dati osservati come da 2.4. Ripetere l&#39;operazione per tutti i siti. </li><li> Utilizzare il comando regressione di espandere ulteriormente il modello specificato al punto 2.2 con l&#39;aggiunta di altri due armonici coppie seno / coseno. Selezionare codice e fare clic su &quot;Esegui (fare)&quot;. NOTA: Registrare i residui e il coefficiente dideterminazione. Confrontare questo modello direttamente con il modello base utilizzando un test del rapporto di verosimiglianza. Utilizzare il comando IC estat post-stima di generare Akaike e bayesiano informazione criteri. Salva e trasformare le stime dei modelli come da 2.3 e il modello grafico stime sui dati osservati come da 2.4. Ripetere l&#39;operazione per tutti i livelli geografici. </li></ol> 3. Stima Peak Relapse Probabilità <ol><li> Utilizzare la combinazione non lineare della funzione di stimatori (nlcom) per calcolare la stima puntuale e il 95% intervallo di confidenza per la fase-shift, utilizzando il modello col miglior adattamento identificati da punti 2.1 a 2.6. Selezionare codice e fare clic su &quot;Esegui (fare)&quot;. <ol><li> Convertire queste stime puntuali e gli intervalli di confidenza a numeri che rappresentano le date del calendario di frequenza di picco ricaduta (T max) e la frequenza delle ricadute depressione (T min), dove 1 = 1 ° gennaio e 365 = 31 dicembre e T max = sfasamento + (365/4) eT min = sfasamento + ((365/4) * 3). Ripetere l&#39;operazione per tutti i livelli geografici. Partita T max e min T per una data del calendario tramite il file di Excel look-up. </li></ol></li><li> Utilizzare il comando di generare per il calcolo di picco-valle differenza (T max meno T min) per ogni posizione, standardizzato per ogni 100 pazienti per sito. Utilizzare un rank-sum test Wilcoxon per confrontare differenza standardizzata da picco a trogolo per intervallo latitudine. Selezionare codice e fare clic su &quot;Esegui (fare)&quot;. </li></ol> 4. Modellazione radiazione ultravioletta dati <ol><li> Eseguire il comando uso per caricare i dati UVR. Calcola mediana UVR mensile per ogni posizione usando il comando egen. Selezionare codice e fare clic su &quot;Esegui (fare)&quot;. </li><li> Graficamente una dispersione di UVR mensile (asse y) dal mese di calendario (asse x) per ogni posizione usando la funzione twoway dispersione. Guarda ogni appezzamento nel visualizzatore grafico l&#39;si apre automaticamente a schermo. </li><li> rappresentantemangiare passo 1.2 per i dati UVR e utilizzare il comando regressione per specificare un modello di base di livello posizione trend annuale UVR dove UVR mensile è specificato come le variabili di risultato dipendenti e seno e coseno funzioni trigonometriche specificati nel passo 2.1 sono incorporati nel modello come le variabili esplicative. </li><li> Ripetere i passaggi da 2.4 a 2.6 per il modello UVR e limitato ai soli modelli specifiche della posizione. Si tratta di eseguire nuovamente il comando a due vie di dispersione di sovrapporre le stime previste su dati osservati e utilizzando il comando regressione per eseguire le alternative modello armonico espansi. </li><li> Utilizzando il modello col miglior adattamento di specifiche località UVR mensile identificato nei passaggi da 4.2 tramite 4.4 utilizzare il comando di generare per calcolare la stima puntuale sfasamento e associato al 95% intervallo di confidenza per UVR da nuovo applicando le formule doppio angolo specificato al punto 3.1 . Calcola T min (data di depressione UVR) per ogni posizione utilizzando the formula descritta al punto 3.1. Selezionare codice e fare clic su &quot;Esegui (fare)&quot;. </li></ol> 5. Modellazione UVR-valle-ricaduta picco Lag <ol><li> Aggiungere le date del modello stimato UVR depressione stagionale dal punto 4.5 e le date di picco di ricaduta dal punto 3.1 per ogni posizione utilizzando il comando merge. Utilizzare il comando di generare per calcolare il tempo trascorso in mesi tra la data UVR depressione e la successiva data di picco ricaduta. Selezionare codice e fare clic su &quot;Esegui (fare)&quot;. </li><li> Utilizzare il comando sktest per testare la variabile ritardo UVR-valle-ricaduta-picco per scostamenti significativi dalla normalità utilizzando un test di Shapiro-Wilk Selezionare il codice e fare clic su &quot;Esegui (fare)&quot;. </li><li> Aggiungere i dati a livello di posizione di latitudine al set di dati con il comando merge. Convertire relativa latitudine a latitudine assoluto usando la funzione abs (x). Selezionare codice e fare clic su &quot;Esegui (fare)&quot;. </li><li> Utilizzando il comando regressione, testare la linearità of il rapporto fra ritardo e la latitudine assoluta eseguendo sia regressioni lineari e quadratiche e confrontando residui. Selezionare codice e fare clic su &quot;Esegui (fare)&quot;. </li><li> Utilizzando regressione, specificare lineare significa modello di regressione con ritardo UVR-valle-ricaduta picco come variabile esito dipendente e la latitudine assoluta in unità di 10 gradi, come la variabile predittiva. Peso del modello per il numero di pazienti hanno contribuito da ogni posizione utilizzando le aweights opzione regrediscono. Selezionare codice e fare clic su &quot;Esegui (fare)&quot;. </li><li> Utilizzare il comando dispersione a due vie per tracciare latitudine assoluta y contro UVR-valle-ricaduta-lag in mesi sul asse x. Sovrapporre una linea di best fit usando l&#39;opzione grafico lfit. Visualizzate i pesi dei pazienti relativi di ogni posizione utilizzando l&#39;opzione pesi analitici aweight. Selezionare codice e fare clic su &quot;Esegui (fare)&quot;. </li></ol> 6. Sensibilità Analisi di livello Paziente Ricaduta Propensities <ol><li> Utilizzare il comando mepossion per specificare un misto di effetti regressione di Poisson dove conteggio mensile ricaduta è la variabile esito dipendente, seno e coseno funzioni trigonometriche specificati nel passo 2.1 sono ancora incorporati nel modello come variabili fisse, EDSS basale, l&#39;età a MS esordio e precedente esposizione a MS trattamento modificanti la malattia specifica sono inclusi come potenziali confondenti e identificatore unico del paziente viene specificato come un effetto casuale. Selezionare codice e fare clic su &quot;Esegui (fare)&quot;. </li><li> Ripetere i passaggi da 2.4 a 2.6 per identificare il miglior adattamento modello di Poisson. Si tratta di eseguire nuovamente il comando a due vie di dispersione di sovrapporre le stime previste su dati osservati e utilizzando il comando regressione per eseguire le alternative modello armonico espansi. </li><li> Utilizzare la combinazione non lineare della funzione di stimatori (nlcom) per calcolare la stima puntuale e il 95% intervallo di confidenza per la fase-shift e calcolare la datadella frequenza di recidive di picco. Confrontare i risultati con l&#39;analisi primaria. </li><li> Utilizzare il comando di generare per ricalcolare lag UVR-valle-ricaduta picco in mesi per ogni posizione, come descritto al punto 5.1, utilizzando i livelli paziente modello di Poisson stime di data picco ricaduta derivati ​​al punto 6.3. Selezionare codice e fare clic su &quot;Esegui (fare)&quot;. </li><li> Utilizzare il comando regressione di rimodellare latitudine assoluta come un fattore predittivo di ritardo come descritto al punto 5.5 e confronta i risultati con l&#39;analisi primaria. Selezionare codice e fare clic su &quot;Esegui (fare)&quot;. </li></ol>

<ol><li>Simpson, S. Jr, Blizzard, L., Otahal, P., Van der Mei, I., Taylor, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Latitude+is+significantly+associated+with+the+prevalence+of+multiple+sclerosis%3A+a+meta-analysis%5BTitle%5D)+AND+%22J+Neurol+Neurosurg+Psychiatry%22%5BJournal%5D)">Latitude is significantly associated with the prevalence of multiple sclerosis: a meta-analysis.</a> J Neurol Neurosurg Psychiatry. 82 (10), 1132-1141 (2011).</li>
<li>Risco, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Latitudinal+prevalence+gradient+of+multiple+sclerosis+in+Latin+America%5BTitle%5D)+AND+%22Mult+Scler%22%5BJournal%5D)">Latitudinal prevalence gradient of multiple sclerosis in Latin America.</a> Mult Scler. 17 (9), 1055-1059 (2011).</li>
<li>Hollingworth, S., Walker, K., Page, A., Eadie, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pharmacoepidemiology+and+the+Australian+regional+prevalence+of+multiple+sclerosis%5BTitle%5D)+AND+%22Mult+Scler%22%5BJournal%5D)">Pharmacoepidemiology and the Australian regional prevalence of multiple sclerosis.</a> Mult Scler. 19 (13), 1712-1716 (2013).</li>
<li>Jin, Y., de Pedro-Cuesta, J., Soderstrom, M., Stawiarz, L., Link, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Seasonal+patterns+in+optic+neuritis+and+multiple+sclerosis%3A+a+meta-analysis%5BTitle%5D)+AND+%22J+Neurol+Sci%22%5BJournal%5D)">Seasonal patterns in optic neuritis and multiple sclerosis: a meta-analysis.</a> J Neurol Sci. 181 (1), 56-64 (2000).</li>
<li>Bamford, C. R., Sibley, W. A., Thies, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Seasonal+variation+of+multiple+sclerosis+exacerbations+in+Arizona%5BTitle%5D)+AND+%22Neurol%22%5BJournal%5D)">Seasonal variation of multiple sclerosis exacerbations in Arizona.</a> Neurol. 33 (6), 697-701 (1983).</li>
<li>Bisgard, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Seasonal+variation+in+disseminated+sclerosis+%28Danish%29%5BTitle%5D)+AND+%22Ugeskrift+for+Laeger%22%5BJournal%5D)">Seasonal variation in disseminated sclerosis (Danish).</a> Ugeskrift for Laeger. 152 (16), 1160-1161 (1990).</li>
<li>Callaghan, T. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Multiple+sclerosis+and+sinusitis%5BTitle%5D)+AND+%22Lancet%22%5BJournal%5D)">Multiple sclerosis and sinusitis.</a> Lancet. 328 (8499), 160-161 (1986).</li>
<li>Gay, D., Dick, G., Upton, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Multiple+sclerosis+associated+with+sinusitis%3A+a+case-controlled+study+in+general+practice%5BTitle%5D)+AND+%22Lancet%22%5BJournal%5D)">Multiple sclerosis associated with sinusitis: a case-controlled study in general practice.</a> Lancet. 327 (8485), 815-819 (1986).</li>
<li>Goodkin, D. E., Hertsgaard, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Seasonal+variation+of+multiple+sclerosis+exacerbations+in+North+Dakota%5BTitle%5D)+AND+%22Arch+Neurol%22%5BJournal%5D)">Seasonal variation of multiple sclerosis exacerbations in North Dakota.</a> Arch Neurol. 46 (9), 1015-1018 (1989).</li>
<li>Hopkins, C. E., Swank, R. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Multiple+sclerosis+and+the+local+weather%5BTitle%5D)+AND+%22Arch+Neurol%22%5BJournal%5D)">Multiple sclerosis and the local weather.</a> Arch Neurol. 74 (2), 203-207 (1955).</li>
<li>O'Reilly, M. A. R., O'Reilly, P. M. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Temporal+influences+on+relapses+of+multiple+sclerosis%5BTitle%5D)+AND+%22Eur+Neurol%22%5BJournal%5D)">Temporal influences on relapses of multiple sclerosis.</a> Eur Neurol. 31 (6), 391-395 (1991).</li>
<li>Schapira, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+seasonal+incidence+of+onset+and+exacerbations+in+multiple+sclerosis%5BTitle%5D)+AND+%22J+Neurol+Neurosurg+Psychiat%22%5BJournal%5D)">The seasonal incidence of onset and exacerbations in multiple sclerosis.</a> J Neurol Neurosurg Psychiat. 22 (4), 285(1959).</li>
<li>Sibley, W. A., Foley, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Seasonal+variation+in+multiple+sclerosis+and+retrobulbar+neuritis+in+Northeastern+Ohio%5BTitle%5D)+AND+%22Trans+Am+Neurol+Assoc%22%5BJournal%5D)">Seasonal variation in multiple sclerosis and retrobulbar neuritis in Northeastern Ohio.</a> Trans Am Neurol Assoc. 90, 295-297 (1965).</li>
<li>Sosa, E. M., Betancor, L. P., Rosas, C., Navarro, M. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Multiple+sclerosis+in+the+province+of+Las+Palmas+%28Spanish%29%5BTitle%5D)+AND+%22Archivos+de+Neurobiologia%22%5BJournal%5D)">Multiple sclerosis in the province of Las Palmas (Spanish).</a> Archivos de Neurobiologia. 46 (3), 161-166 (1982).</li>
<li>Ogawa, G., Mochizuki, H., Kanzaki, M., Kaida, K., Motoyoshi, K., Kamakura, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Seasonal+variation+of+multiple+sclerosis+exacerbations+in+Japan%5BTitle%5D)+AND+%22Neurol+Sci%22%5BJournal%5D)">Seasonal variation of multiple sclerosis exacerbations in Japan.</a> Neurol Sci. 24 (6), 417-419 (2004).</li>
<li>Abella-Corral, J., Prieto, J. M., Dapena-Bolaño, D., Iglesias-Gòmez, S., Noya-Garcìa, M., Lema, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Seasonal+variations+in+the+outbreaks+in+patients+with+multiple+sclerosis%5BTitle%5D)+AND+%22Rev+Neurol%22%5BJournal%5D)">Seasonal variations in the outbreaks in patients with multiple sclerosis.</a> Rev Neurol. 40 (7), 394-396 (2004).</li>
<li>Koziol, J. A., Feng, A. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sesonal+variations+in+exacerbations+and+MRI+parameters+in+relapsing-remitting+multiple+sclerosis%5BTitle%5D)+AND+%22Neuroepidemiology%22%5BJournal%5D)">Sesonal variations in exacerbations and MRI parameters in relapsing-remitting multiple sclerosis.</a> Neuroepidemiology. 23 (5), 217-223 (2004).</li>
<li>Spelman, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Seasonal+variation+of+relapse+rate+in+multiple+sclerosis+is+latitude+dependent%5BTitle%5D)+AND+%22Ann+Neurol%22%5BJournal%5D)">Seasonal variation of relapse rate in multiple sclerosis is latitude dependent.</a> Ann Neurol. 76 (6), 880-890 (2014).</li>
<li>Gallier, J. H. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aGallier%2C+JH+%22Curves+and+surfaces+in+geometric+modeling%3A+theory+and+algorithms%22">Curves and surfaces in geometric modeling: theory and algorithms</a>. , Morgan Kaufmann. (2000).</li>
<li>Agoston, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Computer+Graphics+and+Geometric+Modelling%3A+Implementation+%26+Algorithms%5BTitle%5D)+AND+%22Springer+Science+%26+Business+Media%22%5BJournal%5D)">Computer Graphics and Geometric Modelling: Implementation & Algorithms.</a> Springer Science & Business Media. , (2005).</li>
<li>Cox, N. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Speaking+Stata%3A+in+praise+of+trigonometric+predictors%5BTitle%5D)+AND+%22Stata+Journal%22%5BJournal%5D)">Speaking Stata: in praise of trigonometric predictors.</a> Stata Journal. 6 (4), 561-579 (2006).</li>
<li>Bhaskaran, K., Gasparrini, A., Hajat, S., Smeeth, L., Armstrong, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Time+series+regression+studies+in+environmental+epidemiology%5BTitle%5D)+AND+%22Int+J+Epidemiol%22%5BJournal%5D)">Time series regression studies in environmental epidemiology.</a> Int J Epidemiol. , (2013).</li>
<li>Bracewell, R. N. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aBracewell%2C+RN+%22The+Fourier+Transform+and+Its+Applications%22">The Fourier Transform and Its Applications</a>. , McGraw-Hill. New York. (2000).</li>
<li>Korner, T. W. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aKorner%2C+TW+%22Fourier+Analysis%22">Fourier Analysis</a>. , Cambridge University Press. Cambridge. (1998).</li>
<li>Rigdon, S. E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Detection+of+Outbreak+Signals+Using+R%5BTitle%5D)+AND+%22Online+J+Public+Health+Inform%22%5BJournal%5D)">Detection of Outbreak Signals Using R.</a> Online J Public Health Inform. 6 (1), (2014).</li>
<li>Ziemssen, T., Reimann, M., Gasch, J., Rüdiger, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Trigonometric+regressive+spectral+analysis%3A+an+innovative+tool+for+evaluating+the+autonomic+nervous+system%5BTitle%5D)+AND+%22J+Neural+Transm%22%5BJournal%5D)">Trigonometric regressive spectral analysis: an innovative tool for evaluating the autonomic nervous system.</a> J Neural Transm. 120 (1), 27-33 (2013).</li>
<li>Luque-Fernandez, M. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Absence+of+circadian+rhythms+of+preterm+premature+rupture+of+membranes+and+preterm+placental+abruption%5BTitle%5D)+AND+%22Ann+Epidemiol%22%5BJournal%5D)">Absence of circadian rhythms of preterm premature rupture of membranes and preterm placental abruption.</a> Ann Epidemiol. 24 (12), 882-887 (2014).</li>
<li>Luteijn, J. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Seasonality+of+congenital+anomalies+in+Europe%5BTitle%5D)+AND+%22Birth+Defects+Res+A+Clin+Mol+Teratol%22%5BJournal%5D)">Seasonality of congenital anomalies in Europe.</a> Birth Defects Res A Clin Mol Teratol. 100 (4), 260-269 (2014).</li>
<li>Giardini, V., Russo, F. M., Ornaghi, S., Todyrenchuk, L., Vergani, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Seasonal+impact+in+the+frequency+of+isolated+spina+bifida%5BTitle%5D)+AND+%22Prenat+Diagn%22%5BJournal%5D)">Seasonal impact in the frequency of isolated spina bifida.</a> Prenat Diagn. 33 (10), 1007-1009 (2013).</li>
<li>Eghtesady, P., Brar, A., Hall, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Seasonality+of+hypoplastic+left+heart+syndrome+in+the+United+States%3A+A+10-year+time-series+analysis%5BTitle%5D)+AND+%22J+Thorac+Cardiovasc+Surg%22%5BJournal%5D)">Seasonality of hypoplastic left heart syndrome in the United States: A 10-year time-series analysis.</a> J Thorac Cardiovasc Surg. 141 (2), 432-438 (2011).</li>
<li>Abiona, T. O., Adebowale, S. A., Fagbamigbe, A. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Time+Series+Analysis+of+Admission+in+the+Accident+and+Emergency+Unit+of+University+College+Hospital%2C+Ibadan%2C+Southwestern+Nigeria%5BTitle%5D)+AND+%22Am.+J.+Comput.+Appl.+Math%22%5BJournal%5D)">Time Series Analysis of Admission in the Accident and Emergency Unit of University College Hospital, Ibadan, Southwestern Nigeria.</a> Am. J. Comput. Appl. Math. 2 (1), 1-9 (2012).</li>
<li>Cantwell, K., Dietze, P., Morgans, A. E., Smith, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Ambulance+demand%3A+random+events+or+predicable+patterns%3F%5BTitle%5D)+AND+%22Emerg+Med+J%22%5BJournal%5D)">Ambulance demand: random events or predicable patterns?</a> Emerg Med J. 30 (11), 883-887 (2012).</li>
<li>Butzkueven, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MSBase%3A+an+international%2C+online+registry+and+platform+for+collaborative+outcomes+research+in+multiple+sclerosis%5BTitle%5D)+AND+%22Mult+Scler%22%5BJournal%5D)">MSBase: an international, online registry and platform for collaborative outcomes research in multiple sclerosis.</a> Mult Scler. 12 (6), 769-774 (2006).</li>
<li>Poser, C. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((New+diagnostic+criteria+for+multiple+sclerosis%3A+guidelines+for+research+protocols%5BTitle%5D)+AND+%22Ann+Neurol%22%5BJournal%5D)">New diagnostic criteria for multiple sclerosis: guidelines for research protocols.</a> Ann Neurol. 13 (3), 227-231 (1983).</li>
<li>McDonald, W. I., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Recommended+diagnostic+criteria+for+multiple+sclerosis%3A+guidelines+from+the+International+Panel+on+the+diagnosis+of+multiple+sclerosis%5BTitle%5D)+AND+%22Ann+Neurol%22%5BJournal%5D)">Recommended diagnostic criteria for multiple sclerosis: guidelines from the International Panel on the diagnosis of multiple sclerosis.</a> Ann Neurol. 50 (1), 121-127 (2001).</li>
<li>Kalincik, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Risk+of+relapse+phenotype+recurrence+in+multiple+sclerosis%5BTitle%5D)+AND+%22Mult+Scler%22%5BJournal%5D)">Risk of relapse phenotype recurrence in multiple sclerosis.</a> Mult Scler. , (2014).</li>
<li>Total Ozone Mapping Spectrometer on board the Earth Probe spacecraft. , Available from:
 <a target="_blank" href="http://iridl.ldeo.columbia.edu/SOURCES/.NASA/.GSFC/.TOMS">http://iridl.ldeo.columbia.edu/SOURCES/.NASA/.GSFC/.TOMS</a> (2013).</li>
<li>D'Agostino, R. B., Belanger, A. J., D'Agostino, R. B. Jr. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+suggestion+for+using+powerful+and+informative+tests+of+normality%5BTitle%5D)+AND+%22Am+Stat%22%5BJournal%5D)">A suggestion for using powerful and informative tests of normality.</a> Am Stat. 44 (4), 316-321 (1990).</li>
<li>Gould, W. W., Rogers, W. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Summary+of+tests+for+normality%5BTitle%5D)+AND+%22Stata+Technical+Bulletin%22%5BJournal%5D)">Summary of tests for normality.</a> Stata Technical Bulletin. 3, 20-23 (1991).</li>
<li>Stolwijk, A. M., Straatman, H., Zielhuis, G. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Studying+seasonality+by+using+sine+and+cosine+functions+in+regression+analysis%5BTitle%5D)+AND+%22J+Epidemiol+Community+Health%22%5BJournal%5D)">Studying seasonality by using sine and cosine functions in regression analysis.</a> J Epidemiol Community Health. 53 (4), 235-238 (1999).</li>
<li>Brookhart, M. A., Rothman, K. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Simple+estimators+of+the+intensity+of+seasonal+occurrence%5BTitle%5D)+AND+%22BMC+Med+Res+Methodol%22%5BJournal%5D)">Simple estimators of the intensity of seasonal occurrence.</a> BMC Med Res Methodol. 8 (1), 67(2008).</li>
<li>Fernández-Durán, J. J., Gregorio-Domìnguez, M. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Testing+for+seasonality+using+circular+distributions+based+on+non-negative+trigonometric+sums+as+alternative+hypotheses%5BTitle%5D)+AND+%22Stat+Methods+Med+Res%22%5BJournal%5D)">Testing for seasonality using circular distributions based on non-negative trigonometric sums as alternative hypotheses.</a> Stat Methods Med Res. 23 (3), 279-292 (2011).</li>
<li>Lemire, J. M., Archer, D. C., Beck, L., Spiegelberg, H. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Immunosuppressive+actions+of+1%2C25-dihydroxyvitamin+D3%3A+preferential+inhibition+of+Th1+functions%5BTitle%5D)+AND+%22J+Nutr%22%5BJournal%5D)">Immunosuppressive actions of 1,25-dihydroxyvitamin D3: preferential inhibition of Th1 functions.</a> J Nutr. 125, Suppl 6. 1704S-1708S (1995).</li>
<li>Tsoukas, C. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Inhibition+of+interleukin-1+production+by+1%2C25-dihydroxyvitamin+D3%5BTitle%5D)+AND+%22J+Clin+Endocrinol+Metab%22%5BJournal%5D)">Inhibition of interleukin-1 production by 1,25-dihydroxyvitamin D3.</a> J Clin Endocrinol Metab. 69 (1), 127-133 (1989).</li>
<li>Lemire, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Immunomodulatory+actions+of+1%2C25-dihydroxyvitamin+D3%5BTitle%5D)+AND+%22J+Steroid+Biochem+Mol+Biol%22%5BJournal%5D)">Immunomodulatory actions of 1,25-dihydroxyvitamin D3.</a> J Steroid Biochem Mol Biol. 53 (1-6), 599-602 (1995).</li>
<li>van Etten, E., Mathieu, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Immunoregulation+by+1%2C25-dihydroxyvitamin+D3%3A+basic+concepts%5BTitle%5D)+AND+%22J+Steroid+Biochem+Mol+Biol%22%5BJournal%5D)">Immunoregulation by 1,25-dihydroxyvitamin D3: basic concepts.</a> J Steroid Biochem Mol Biol. 97 (1-2), 93-101 (2005).</li>
<li>Tsoukas, C. D., Provvedini, D. M., Manolagas, S. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((1%2C25-dihydroxyvitamin+D3%3A+a+novel+immunoregulatory+hormone%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">1,25-dihydroxyvitamin D3: a novel immunoregulatory hormone.</a> Science. 224 (4656), 1438-1440 (1984).</li>
<li>Smolders, J., Menheere, P., Kessels, A., Damoiseaux, J., Hupperts, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Association+of+vitamin+D+metabolite+levels+with+relapse+rate+and+disability+in+multiple+sclerosis%5BTitle%5D)+AND+%22Mult+Scler%22%5BJournal%5D)">Association of vitamin D metabolite levels with relapse rate and disability in multiple sclerosis.</a> Mult Scler. 14 (9), 1220-1224 (2008).</li>
<li>Provvedini, D. M., Manolagas, S. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((1+Alpha%2C25-dihydroxyvitamin+D3+receptor+distribution+and+effects+in+subpopulations+of+normal+human+T+lymphocytes%5BTitle%5D)+AND+%22J+Clin+Endocrinol+Metab%22%5BJournal%5D)">1 Alpha,25-dihydroxyvitamin D3 receptor distribution and effects in subpopulations of normal human T lymphocytes.</a> J Clin Endocrinol Metab. 68 (4), 774-779 (1989).</li>
<li>Provvedini, D. M., Tsoukas, C. D., Deftos, L. J., Manolagas, S. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((1+alpha%2C25-Dihydroxyvitamin+D3-binding+macromolecules+in+human+B+lymphocytes%3A+effects+on+immunoglobulin+production%5BTitle%5D)+AND+%22J+Immunol%22%5BJournal%5D)">1 alpha,25-Dihydroxyvitamin D3-binding macromolecules in human B lymphocytes: effects on immunoglobulin production.</a> J Immunol. 136 (8), 2734-2740 (1986).</li>
</ol>

Tim Spelman ha ricevuto onorari per consulenze e finanziamenti per i viaggi da Biogen Idec Inc; Orla Grigio ha ricevuto il sostegno di viaggio ai Biogen Idec, Merck Serono e Novartis; compenso per il servizio di commissioni consultive scientifiche da Biogen Idec, Genzyme, Novartis e Merck Serono; Robyn Lucas non ha rivelato interessi concorrenti e Helmut Butzkueven ricevuto un indennizzo per il servizio su comitati scientifici consultivi e come consulente per Biogen Idec e Novartis; onorari degli altoparlanti da Biogen Idec Australia, Merck Serono in Australia, e Novartis in Australia; sostegno da Biogen Idec Australia e Merck Serono in Australia viaggiare; sostegno alla ricerca da CASS Foundation (Australia), Merck Serono Australia, Royal Melbourne Hospital Amici della Fondazione Neuroscienze, e l&#39;Università di Melbourne.

Il protocollo qui descritto in dettaglio una tecnica basata regressione sistematica, guidati da analisi trama visiva, di dati globali ricaduta insorgenza MS. Si prende come punto di partenza una relativamente semplice analisi descrittiva dei dati di ricaduta provenienti da 20 paesi in tutto entrambi gli emisferi, permettendo all&#39;utente di esplorare le teorie riguardanti la temporalità dei tempi insorgenza ricaduta nella SM e collaudo queste teorie formalmente attraverso l&#39;uso di modelli trigonometriche. Attraver...

La forma più comune della sclerosi multipla (SM) recidivante-remittente è la sclerosi multipla (SMRR). RRMS è caratterizzata da alterazioni episodiche in funzione neurologica, seguiti da recupero parziale o totale. A livello globale, l&#39;incidenza e la prevalenza della SM aumenta con l&#39;aumentare della distanza dall&#39;equatore in entrambi gli emisferi. 1-3 Sia la frequenza di eventi di ricaduta che si verificano in particolare nella SMRR variano anche con la latitudine, e se vi è qualche variazione stagionale sottostante tale associazione, rimane poco chiaro. Per gli studi di data esplorare stagionalità nei tempi ricaduta si sono limitati a singoli centri clinici, limitando eventuali conseguenze per quanto riguarda le tendenze stagionali in tempi ricaduta a località geografiche solitarie e quindi non in grado di esplorare le più ampie influenze latitudine. 4-14 Questi studi sono stati ulteriormente limitati dal piccolo campione quote e dati di ricaduta sparsi. A 2000 meta-analisi di dieci studi di centri clinici in EurOPE, gli Stati Uniti e in Canada, dove ogni studio ha incluso un minimo di trenta casi di segnalazione la stagione-di-insorgenza di recidive, ha descritto una chiara tendenza di stagione nei tempi di insorgenza recidiva, con ricadute picco in primavera e con una depressione invernale 4 . Simili tendenze annuali ciclici esordio sono state osservate in seguito, anche se più piccoli, studi sia in Giappone il 15 e Spagna 16. Tuttavia, un analogo studio degli Stati Uniti non è riuscito a corroborare questo modello 17. Fino ad oggi, questi studi e le osservazioni sono stati limitati per l&#39;emisfero settentrionale. Il gruppo di studio MSBase recentemente analizzato un ampio insieme di dati globale di recidive della SM attraverso entrambi gli emisferi nord e sud per esplorare le tendenze stagionali nel periodo di insorgenza ricaduta, oltre alle influenze latitudinale sul rapporto tra probabilità di punta ricaduta e la radiazione ultravioletta stagionale (UVR) attraverso 18 . Al centro di questi metodi era l&#39;applicazione della regressione trigonometricaper visualizzare e valutare le tendenze in tempi di distribuzioni insorgenza e UVR ricaduta. L&#39;obiettivo generale di questo studio è stato quello di verificare l&#39;ipotesi che la variazione temporale i tempi di insorgenza ricaduta nella SM varia prevedibilmente con la stagione in entrambi gli emisferi nord e sud e questa stagionalità è stato influenzato da latitudine. Il razionale per l&#39;uso della modellazione trigonometrico per indagare queste domande è stata la sua flessibilità per la caratterizzazione di fenomeni a due o tre dimensioni che sono noti o sospetti per descrivere forme o modelli discreti, prevedibili e coerenti, come il ciclo annuale di alti e bassi comunemente osservati nei fenomeni biologici o epidemiologici in possesso di stagionalità. 19-22 Uno svantaggio di convenzionali serie temporali di analisi, tra cui l&#39;analisi di Fourier, è la presunzione che le serie temporali sono spesso caratterizzati da processi stocastici. 21,23,24, invece, che incorporano funzioni trigonometriche into un modello tipo di regressione ha il vantaggio di entrambi esplorazione facilitare di strutture regolari e sistematiche in dati periodici, mentre sfruttando la struttura modello di regressione di esplorare altre correlati o regolare per i fattori confondenti della stagionalità. Regressione trigonometrica è stato precedentemente utilizzato ampiamente nella letteratura epidemiologica medica per esplorare temporalità in temi diversi infettive rilevamento focolaio di malattia, il ruolo dei ritmi circadiani in tutto, dalla autonomica del sistema disfunzioni nervoso per pretermine distacco di placenta attraverso correlati stagionali di malformazioni congenite ed i tempi di presentazioni di pronto soccorso. 25-32 Tale modellizzazione richiede tipicamente campioni di dimensioni più grandi di più le analisi convenzionale serie temporali e, come tale questa è la prima volta che è stata applicata a un dataset globale della SM recidiva esordio. Regressione trigonometrica come descritto qui è uno strumento adatto per gli investigatori esplorare qualsiasi phenomena che è noto o sospettato di ciclismo sistematicamente nel tempo. Non solo è possibile, quali la modellazione aiuto caratterizzano e visualizzare questi modelli, permette ulteriormente l&#39;utente di esplorare potenziali conducenti e correlati di queste tendenze. Per quanto riguarda l&#39;esempio specifico della sclerosi multipla recidiva esordio presentato qui, l&#39;uso di dispersione e grafici dei residui di visualizzare e valutare come vicino un modello di formulario trigonometrica ipotizzato si inserisce il dato costituisce il passo fondamentale nel determinare: 1) se i dati osservati forniscono prove sufficienti a sostegno un&#39;ipotesi di stagionalità o di altre tendenze temporali nei tempi di insorgenza ricaduta; e 2) se la frequenza e la disposizione delle funzioni seno e coseno che definiscono un particolare modello trigonometrica è tale da permettere l&#39;uso di questo modello per la successiva inferenza e la previsione. Modello di regressione consente anche il controllo di importanti fattori confondenti di qualsiasi effetto stagionale o latitudinale osservato come il livello di pazientepropensioni per ricaduta, in particolare i fattori che di per sé sono variabili nel tempo, come la durata di esposizione pre-ricaduta di droga modificanti la malattia (DMD) trattamento. Isolare predittori e correlati della tempistica insorgenza ricaduta nella SM geografiche e temporali indipendenti ha il potenziale per guidare ricerca biologica sui meccanismi di eventi di ricaduta, che a sua volta può informare lo sviluppo di interventi terapeutici futuri volti a prevenire o ritardare esacerbazione della malattia. Il Registro MSBase Pazienti affetti da SM che forniscono dati di ricaduta di questa analisi sono stati acquistati dal Registro internazionale MSBase. Inaugurato nel 2004, il registro raccoglie longitudinalmente demografico, l&#39;attività della malattia, l&#39;esame clinico e le caratteristiche di indagine e le metriche da pazienti consenzienti frequentano clinica SM utilizzando un sistema e gestito a conduzione medico basato su Internet. 33 centri membri seguono un ProtoC comuneolo che definisce il set di dati minimo richiesto per essere caricato a intervalli regolari concordati al fine di garantire dati di outcome come eventi di ricaduta sono costantemente e prospetticamente compilati. La data di esordio ricaduta è incluso come variabile dataset minimo obbligatorio. Inoltre i dati clinici relativi associati a questi eventi di ricaduta è comunemente raccolti tra cui il trattamento con corticosteroidi e sistema funzionale colpiti. L&#39;utilizzo del sistema comune di immissione dati iMed garantisce inoltre un approccio unificato attraverso i centri per la raccolta dei dati e il reporting. Questo progetto tiene approvazione del Comitato Etico Human Research o di esenzione in ogni centro di contribuire. Il consenso informato secondo le leggi locali di tutti i pazienti inclusi nell&#39;analisi è obbligatoria. Criterio di inclusione Un totale di 9811 pazienti che contribuiscono 32,762 eventi di ricaduta sono stati inclusi nell&#39;analisi. Clinica MS centri con un minimo di 20 pazienti registrati acconsentito, uploaDED e monitorati nel Registro di sistema a partire dal 1 ° dicembre 2013 (data di compilazione dei dati) erano eleggibili per l&#39;inclusione nell&#39;analisi. Per garantire tutti gli eventi di ricaduta inclusi nell&#39;analisi sono stati osservati in prospettiva, solo ricaduta insorgenze datata successivamente alla prima valutazione registrata disabilità del paziente (utilizzando il Kurtzke Expanded Disability Punteggio Condizione (EDSS)) sono stati inclusi nell&#39;analisi. Tutti i pazienti che forniscono dati recidiva all&#39;analisi soddisfatto i criteri diagnostici formali per la SM. 34,35 Le misure di outcome Questo studio ha esaminato due outcome primari: 1) se vi fosse variazione temporale nella probabilità di insorgenza ricaduta a livello della posizione geografica, l&#39;emisfero e / o globalmente; e 2) se ci fosse una relazione tra latitudine e il ritardo, in questi mesi, tra i tempi della UVR depressione stagionale e il conseguente picco di ricaduta data probabilità. Il gruppo di studio hypothe MSBasedimensionati che i livelli di vitamina D assoluti sono più bassi nelle regioni più lontane dai stagionale popolazione livello di vitamina D nadir equatore e location-determinato, sono probabilmente raggiunto prima dopo il solstizio d&#39;inverno in tali luoghi distali, allora l&#39;effetto di bassi livelli di vitamina D su una maggiore MS probabilità ricaduta sarebbe simile descrivere tali schemi temporali e latitudine. Definizione e date Relapse Una ricaduta è stata definita come comparsa di nuovi sintomi o esacerbazione di sintomi esistenti persistenti per almeno 24 ore, in assenza di malattie concomitanti o febbre, e si verificano almeno 30 giorni dopo un attacco precedente. Questa definizione è già stato applicato in un&#39;analisi ricaduta fenotipo MSBase. 36 Il periodo di follow-up per ciascun paziente eleggibile attraverso il quale gli eventi di ricaduta potrebbero essere osservate è stato definito come il periodo che va dalla data di prima valutazione EDSS fino alla data del più recenteValutazione EDSS registrato nel Registro di sistema prima dei dati di estratto dei dati e la compilazione. Nei casi in cui il giorno esatto di insorgenza ricaduta era disponibile o in grado di essere determinato per un mese particolare, le cliniche utilizzati sia il 1 ° o il 15 ° giorno del mese come date predefinite. Dei 32,762 ricadute analizzati nella presente relazione, 7913 (24,2%) e 4594 (14,0%) sono stati registrati il 1 ° e il 15 ° giorno del mese, rispettivamente, significativamente superiore a quello delle proporzioni registrati su qualsiasi altro giorno del mese che andava dallo 0,8% fino al 5,6%. Per correggere questo, recidive registrate su entrambi il 1 ° 15 ° giorno del mese sono stati randomizzati per un giorno in un intervallo di 15 giorni lati di entrambe queste date predefinite. La validità interna di questo approccio è stata confermata tramite analisi di sensitività, che ha dimostrato che la stima modellato del picco data ricaduta sotto data predefinita randomizzazione non era significativamente differente da un model utilizzando l&#39;originale riportato date o esclusi date predefinite interamente.

<table><tbody><tr><td>Stata SE Versione 13</td><td>StataCorp, College Station, Texas</td><td>Versione 13</td><td>Software di analisi statistica utilizzato per l'analisi</td></tr><tr><td>Microsoft Excel 2010</td><td>Microsoft</td><td>2010</td><td>Programma per fogli di calcolo per la ricerca della data del calendario</td></tr></tbody></table>

un metodo di trigonometrica modellazione di variazione stagionale dimostrata con sclerosi multipla recidiva dati

A Method of Trigonometric Modelling of Seasonal Variation Demonstrated with Multiple Sclerosis Relapse Data

Questo rapporto descrive una nuova applicazione basata su Sta del modello di regressione trigonometrica a 55 anni di dati di recidiva della sclerosi multipla provenienti da 46 centri clinici in 20 paesi situati in entrambi gli emisferi. Fondamentale per il successo di questo metodo è stato l'uso strategico dell'analisi dei grafici per guidare e corroborare la modellazione di regressione statistica. L'analisi iniziale del grafico è stata necessaria per stabilire ipotesi realistiche riguardanti la presenza e la forma strutturale delle influenze stagionali e latitudinali sulla probabilità di recidiva e quindi testare le prestazioni dei modelli risultanti. La regressione trigonometrica è stata quindi necessaria per quantificare queste relazioni, aggiustare per importanti fattori confondenti e fornire una misura di certezza su quanto fossero plausibili queste associazioni. La sincronizzazione delle tecniche grafiche con la modellazione di regressione ha permesso un perfezionamento sistematico dei modelli fino al raggiungimento della convergenza best-fit, consentendo di fare nuove inferenze riguardo all'influenza indipendente sia della stagione che della latitudine nel prevedere i tempi di insorgenza delle recidive nella SM. Questi metodi hanno il potenziale per l'applicazione in altre malattie complesse e fenomeni epidemiologici sospettati o noti per variare sistematicamente con la stagione e/o la posizione geografica.

L&#39;applicazione della regressione trigonometrico di 32,762 eventi di ricaduta provenienti da 46 centri clinici in 20 paesi è stata la base per la fornitura di un argomento statistico difendibile per l&#39;osservazione che i tempi di insorgenza ricaduta nella SM è ciclico e stagionale in entrambi gli emisferi e che la durata tra stagionali UVR depressione e la successiva ricaduta picco correlato con la latitudine. Fondamentale per questo è stato l&#39;affidamento su analisi complotto per guidare il processo necessaria...

La combinazione dell'analisi dei grafici con la regressione trigonometrica è un metodo robusto per esplorare fenomeni ciclici complessi come la tempistica di insorgenza delle recidive nella sclerosi multipla (SM). Questo metodo ha permesso una caratterizzazione imparziale delle tendenze stagionali nell'insorgenza delle recidive, consentendo nuove inferenze sull'influenza della variazione stagionale, della radiazione ultravioletta (UVR) e della latitudine.

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

This report describes a novel Stata-based application of trigonometric regression modelling to  55 years of multiple sclerosis relapse data from 46 ...

L'obiettivo generale di questa regressione trigonometrica statistica è modellare il momento di insorgenza dei ricadute, eventi che caratterizzano comunemente l'andamento della malattia nei pazienti affetti da sclerosi multipla, e utilizzare tali modelli per studiare le correlazioni stagionali e latitudinali dell'insorgenza delle ricadute. Questo metodo può aiutare ad esplorare questioni fondamentali nella storia naturale e nell'epidemiologia della sclerosi multipla, inclusi gli effetti indipendenti della stagione e della latitudine, nonché il momento delle ricadute, con un notevole potenziale per guidare ulteriori indagini sui meccanismi biologici alla base delle ricadute. Il principale vantaggio di questa tecnica è che fornisce uno strumento flessibile basato sulla regressione per esplorare e analizzare fenomeni periodici e ciclici.Questo consente di isolare gli effetti della latitudine e della stagione da una serie di altri fattori correlati alla ricaduta, inclusi i fattori legati al paziente e al trattamento. L'analisi descritta qui viene effettuata utilizzando un software basato su riga di comando. Iniziare aprendo un file do.Fare clic sul nuovo pulsante dell'editor di file do. Successivamente, utilizzando il comando generate, calcolare il numero di insorgenze di recidiva riferite a ciascuno dei 12 mesi dell'anno. Eseguire questa operazione per il livello geografico oggetto di modellizzazione, che in questo caso è l'emisfero.Eseguire il comando generate, poiché tutti i comandi vengono eseguiti facendo clic sul pulsante di azione esegui file do nel file do. Successivamente, eseguire un comando S WIL oppure un comando SK test per verificare la normalità della distribuzione sottostante dei conteggi di recidive. Queste opzioni applicano rispettivamente un test di Shapiro Wilk o un test di Harkey Bara modificato.Effettuare la scelta appropriata se i dati del conteggio delle ricadute sono fortemente asimmetrici. Successivamente applicare una trasformazione logaritmica. Se i dati superano il test.Il test di normalità procede utilizzando il comando generate per creare una nuova variabile northco month per l'emisfero australe. I mesi del calendario sono sfasati di sei unità. Ora utilizzare la variabile north month per creare un diagramma a dispersione di tutti i dati.Posizionare il calendario, i mesi e le stagioni sull'asse x e i riaccensioni mensili osservate con la frequenza delle ricadute sull'asse Y. Osservare i modelli di insorgenza delle ricadute nell'arco dell'anno solare visualizzando ciascun grafico nel visualizzatore di grafici. Successivamente, eseguire il comando radar per creare grafici radar della distribuzione della frequenza delle ricadute per mese del calendario.Ogni asse radar cattura un singolo mese disposto in senso orario. Per completare questa analisi, eseguire il comando CT per applicare un test di Edwards sulla stagionalità sui dati osservati di recidiva. Ripetere questo test a ciascun livello geografico procedendo con il software.Costruire un modello dei dati. Innanzitutto, specificare le funzioni trigonometriche seno e coseno del ciclo annuale da utilizzare nella regressione dei dati. Successivamente, utilizzare il comando regress per specificare la forma del modello base con il numero di ricadute come risultato dipendente.Questo comando inserisce i termini di segno e co-segno appena calcolati come variabili esplicative principali. Successivamente aggiunge l'UVR specifica per località come covariata aggiuntiva di aggiustamento e applica l'opzione di peso analitico per pesare il modello in base al numero di pazienti contribuiti da ciascuna località. Ora, memorizzare la previsione mensile del log del tasso di recidiva ottenuta dal modello utilizzando il comando predict per ciascun sito.Convertire i recidivi logaritmici nuovamente in conteggi interi di recidive. Elevare a esponente il termine logaritmico delle recidive utilizzando il comando generate per ciascun sito. Quindi sovrapporre la previsione delle stime mensili esponenziali di recidiva utilizzando il comando two-way scatter.Ora, espandi il modello aggiungendo una coppia ulteriore di seno e coseno armonici mediante il comando regress. Esegui questo altre due volte, in modo da aggiungere tre coppie di seno e coseno. Ogni coppia verrà utilizzata per produrre un modello autonomo dei dati al fine di stimare la probabilità massima di recidiva.Iniziare utilizzando nl com per calcolare il punto, la stima e l'intervallo di confidenza al 95% per lo spostamento di fase. Per il modello con il miglior adattamento, convertire le stime puntuali ottenute e gli intervalli di confidenza associati in dati numerati per ciascun giorno dell'anno. Riportare la frequenza massima di recidiva o tmax e la frequenza minima di recidiva o T in.Quindi abbinare il valore di tmax e T nei dati a una data del calendario utilizzando il file di ricerca di Excel. Questa sezione descrive come modellare i dati di radiazione ultravioletta o dati UVR. Per iniziare, eseguire il comando use per caricare i dati UVR.Quindi, utilizzando il comando egen, calcolare la radiazione ultravioletta (UVR) mensile mediana per ciascuna località. Per ogni località, utilizzare la funzione di dispersione bidirezionale per tracciare un grafico a dispersione dell'UVR mensile sull'asse Y rispetto al mese dell'anno sull'asse X. Successivamente, verificare la normalità dei dati utilizzando il test di s wilk o il test SK, come in precedenza.Successivamente, utilizzando il comando regress, specificare un modello base della tendenza annuale di UVR a livello di località. Specificare l'UVR mensile come variabili dipendenti di esito, quindi impostare come variabili esplicative le funzioni trigonometriche seno e coseno precedentemente generate. Quindi rappresentare graficamente i risultati e sovrapporre i valori previsti.Questo richiede di rieseguire il comando di dispersione bidirezionale per sovrapporre i dati previsti e osservati e di utilizzare il comando di regressione per eseguire le alternative del modello armonico espanso. Ora, con il modello con il miglior adattamento, utilizzare il comando generate per calcolare la stima puntuale dello spostamento di fase e l'intervallo di confidenza associato al 95% per l'UVR. Applicando nuovamente le formule dell'angolo doppio, calcolare nuovamente il termine per ciascuna località come precedentemente calcolato.Continuare l'analisi dei dati stagionali di UVR utilizzando il comando merge per aggiungere il minimo precedentemente calcolato e sostituire le date dei massimi per ciascuna località. Quindi utilizzare il comando generate per calcolare il tempo trascorso in mesi tra la data del minimo di UVR e la successiva data del massimo di recidiva. Prima di procedere, eseguire un test di normalità sui dati del ritardo UUV utilizzando il comando del test SK.Dopo l'unione, convertire la latitudine relativa in latitudine assoluta utilizzando la funzione ABS X. Proseguire utilizzando regress per specificare un modello di regressione lineare media con il ritardo tra il minimo della radiazione ultravioletta (UVR) e il picco di recidiva come variabile dipendente e la latitudine assoluta in unità di 10 gradi come variabile predittiva. Assicurarsi di pesare il modello in base al numero di pazienti contribuiti da ciascuna località mediante l'opzione A weights di regress.Infine, utilizzare il comando di dispersione bidirezionale per tracciare la latitudine assoluta sull'asse Y rispetto al ritardo tra il minimo di RUV e la ricaduta sull'asse X, visualizzato in mesi, a partire dalle opzioni di graficazione. Sovrapporre una retta di regressione utilizzando l'opzione di grafico L fit e utilizzare l'opzione pesi a per visualizzare i pesi relativi dei pazienti per ciascuna località. L'analisi di regressione trigonometrica è stata eseguita utilizzando un set di dati composto da 32.762 eventi di ricaduta.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 il picco a livello globale nel mese di maggio. Nei dati dell'emisfero settentrionale, è stato osservato un corrispondente picco a novembre 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 un singolo minimo a intervalli di sei mesi. Pertanto, questo è stato stabilito come modello di caso base in entrambi gli emisferi. Successivamente, sono stati preparati grafici di regressione della radiazione ultravioletta (UVR) per determinare il picco di recidiva al minimo dell'UVR.La metrica del picco di recidiva successivo al minimo di UVR ha mostrato l'influenza della latitudine sulla probabilità di recidiva all'aumentare della distanza dall'equatore. Dopo il suo sviluppo, si osserva una diminuzione correlata del ritardo tra il minimo di UVR e il successivo picco di recidiva. Questa tecnica ha aperto la strada a ricercatori per esplorare matematicamente fenomeni epidemiologici che variano in modo periodico e fisico.Dopo aver visto questo video, ora dovresti avere una buona idea su come studiare e analizzare fenomeni ciclici periodici utilizzando uno strumento di regressione basato su funzioni trigonometriche. Quando si applica questa tecnica, è importante assicurarsi che il set di dati sia pulito e che il codice sia stato sottoposto a debug. È inoltre fondamentale sovrapporre e applicare un contesto clinico e biologico, in particolare per quanto riguarda l'interpretazione dei risultati e dei dati.

a-method-trigonometric-modelling-seasonal-variation-demonstrated-with

Research

Ricerca

JoVE Journal

Medicine

Medicina

Tecniche multivariate tra cui l'analisi delle componenti principali (PCA) sono stati utilizzati per identificare i modelli delle firme di cambiamento regionale in immagini funzionali del cervello. Abbiamo sviluppato un algoritmo per identificare i biomarcatori di rete riproducibili per la diagnosi di patologie neurodegenerative, la valutazione della progressione della malattia, e la valutazione obiettiva degli effetti del trattamento in popolazioni di pazienti.

Identificazione delle malattie legate Patterns covarianza spaziale utilizzando i dati Neuroimmagine

Misurazione precisa di danno neurologico e neuropsicologico e disabilità nella sclerosi multipla è una sfida. Riportiamo i dettagli metodologici su un nuovo test, la sclerosi multipla Performance Test (MSPT). Questo nuovo approccio con l'obiettivo di quantificazione della disabilità legata alla SM fornisce una piattaforma basata su computer per una precisa, valida misura della SM gravità.

La sclerosi multipla Performance Test (MSPT): uno strumento di valutazione della disabilità iPad-Based

Questo protocollo video descrive un metodo sensibile, affidabile e rapido per valutare i deficit neuromuscolari in un modello murino transgenico di sclerosi laterale amiotrofica.

Un Sistema di punteggio rapida fenotipica neurologica per la valutazione di progressione della malattia nel SOD1-G93A modello murino della SLA

Questo protocollo offre una digitalizzazione di porzioni di compiti clinici tradizionali comunemente utilizzati per misurare la cognizione e il controllo motorio nella malattia di Parkinson. I compiti clinici sono digitalizzati mentre i ritmi biofisici sono co-registrati da diversi livelli funzionali del sistema nervoso, che vanno da volontari, spontanei, automatici a autonomici.

Biomarcatori digitali dinamici della funzione motoria e cognitiva nella malattia di Parkinson

Le tecniche di analisi EEG standard offrono una visione limitata della funzione del sistema nervoso. La derivazione di modelli statistici di connettività corticale offre una capacità molto maggiore di studiare le dinamiche di rete sottostanti. Una migliore valutazione funzionale apre nuove possibilità per la diagnosi, la prognostizione e la previsione dell'esito nelle malattie del sistema nervoso.

Modellazione statistica della connettività corticale mediante elettroencefalogrammi non invasivi

I modelli ad effetti misti sono strumenti flessibili e utili per analizzare i dati con una struttura stocastica gerarchica nella silvicoltura e potrebbero anche essere utilizzati per migliorare significativamente le prestazioni dei modelli di crescita forestale. Qui viene presentato un protocollo che sintetizza le informazioni relative ai modelli lineari ad effetti misti.

Sviluppo di un modello di incremento dell'area basale a albero individuale mediante un approccio lineare ad effetti misti

L'encefalomielite autoimmune sperimentale è uno dei modelli murini più utilizzati di sclerosi multipla. Nel protocollo attuale, i topi C57BL/6J di entrambi i sessi sono immunizzati con il peptide glicoproteico oligodendrocitario della mielina, con conseguente paresi ascendente della coda e degli arti. Qui discutiamo il protocollo di induzione e valutazione dell'EAE.

Modellazione della sclerosi multipla nei due sessi: encefalomielite autoimmune sperimentale indotta da MOG35-55

Valutazioni oggettive dei meccanismi fisiologici che sostengono discorso sono necessari per monitorare l'insorgenza e la progressione della malattia in persone con SLA e per quantificare gli effetti del trattamento negli studi clinici. In questo video, vi presentiamo un approccio globale, strumentazione protocollo basato su motore per quantificare le prestazioni discorso in popolazioni cliniche.

Un protocollo per la valutazione completa della disfunzione bulbare nella Sclerosi Laterale Amiotrofica (SLA)

Un modello murino per la sclerosi laterale amiotrofica (SLA) è una valutazione clinica e comportamentale. Come prerequisito per un'analisi accompagnamento immunoistologico la preparazione del midollo spinale è raffigurato in dettaglio.

Test clinici e la rimozione del midollo spinale in un modello murino di sclerosi laterale amiotrofica (SLA)

Atrofia dissociata dei muscoli intrinseci della mano, definita la mano divisa, sembra essere una caratteristica specifica della sclerosi laterale amiotrofica (SLA). Di conseguenza, un test neurodiagnostic romanzo, definito l'indice di divisione mano, è stato sviluppato per quantificare il fenomeno clinico della mano divisa, che la differenzia ALS da disturbi mimici.

Utilità di dissociata intrinseca mano Atrofia muscolare nella diagnosi di Sclerosi Laterale Amiotrofica

Scopri la modellazione trigonometrica per analizzare la variazione stagionale delle ricadute nella sclerosi multipla. Questo metodo statistico isola gli effetti di latitudine e stagione per guidare future ricerche sui meccanismi biologici.

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

Esplora altri video