多発性硬化症の再発のデータを用いて実証季節変動の三角モデリングの方法

この統計的三角関数回帰の全体的な目標は、多発性硬化症の患者の疾患経過を一般的に特徴付ける再発イベントのタイミングをモデル化し、これらのモデルを使用して再発発症の季節的および緯度的相関を研究することです。この方法は、季節や緯度の独立した影響、再発のタイミングなど、多発性硬化症の疫学における自然史における重要な問題を探求するのに役立ち、再発の生物学的メカニズムに関するその後の研究を導く大きな可能性を秘めています。この手法の主な利点は、周期的および周期的な現象を調査および調査するための柔軟な回帰ベースのツールを提供することです。

これにより、緯度と季節の影響を、患者や治療の要因など、他の一連の再発の相関関係から分離できます。ここで説明する分析は、コマンドライン駆動のステータスソフトウェアを使用して行われます。まず、doファイルを開きます。

新しいファイルエディタボタンをクリックします。次に、generate コマンドを使用して、12 暦月ごとに日付が付けられた再発発症の数を計算します。これは、モデル化される地理レベル (この場合は半球) に対して行います。

すべてのコマンドが実行されるため、生成コマンドを実行するには、due fileのexecute do do fileアクションボタンをクリックします。次に、S WIL コマンドまたは SK テスト コマンドを実行して、正規性の再発カウントの基になる分布をテストします。これらのオプションは、それぞれShapiro Wilkまたは修正Harkey Baraテストのいずれかに適用されます。

再発回数データが大幅に歪んでいる場合は、適切な選択を行ってください。次に、ログ変換を適用します。データが渡された場合。

正規性検定は、generate コマンドを使用して南半球の新しい変数 northco month を作成することで進行します。暦月は 6 単位ずれています。次に、北の月変数を使用して、すべてのデータの散布図を作成します。

X軸にカレンダー、月、季節を、Y軸に再発頻度で観測された毎月の再発開始を置きます。暦年における再発発症のパターンを観察するには、グラフビューアで各プロットを表示します。次に、radar コマンドを実行して、暦月ごとの再発頻度の分布のレーダー プロットを描画します。

各レーダー軸は時計回りに注文された1か月をキャプチャします。この解析を完了するには、CT コマンドを実行して、観察された再発データ全体に季節性の Edwards 検定を適用します。ソフトウェアを進める各地理的レベルでこのテストを繰り返します。

データのモデルを構築します。まず、データ回帰で使用する年周期記号と三角関数の符号を指定します。次に、regress コマンドを使用して、再発カウントを従属結果として基本モデルの形式を指定します。

このコマンドは、計算されたばかりの符号項と連署名項を主要な説明変数として入力します。次に、ロケーション固有の UVR を追加の調整共変量として追加し、解析的重み付けオプションを適用して、各ロケーションによって寄与する患者数に対してモデルを重み付けします。次に、各サイトの predict コマンドを使用して、モデルで予測される月間ログの再発を保存します。

ログの再発を整数の再発回数に戻します。各サイトの generate コマンドを使用して、ログの再発期間を指数化します。次に、two-way scatter コマンドを使用して、expon の月次再発推定値の予測を重ね合わせます。

次に、regress コマンドを使用して調和符号の連署ペアを追加してモデルを拡張します。これをさらに 2 回行うと、3 つの符号連署ペアが追加されます。各ペアは、データのスタンドアロン モデルを作成するために使用され、ピーク再発確率を推定します。

まず、nl comを使用して、位相シフトの点、推定、および95%信頼区間を計算します。最適なモデルを得るには、出力された点推定値と関連する信頼区間を、その年の各日ごとに番号が付けられたデータに変換します。ピーク再発頻度またはtmaxとトラフ再発頻度またはTインを報告します。

次に、Excelルックアップファイルを使用して、データのtmaxとTをカレンダーの日付と一致させます。このセクションでは、紫外線データまたは UVR データをモデル化する方法の概要を説明します。まず、use コマンドを実行して UVR データを読み込みます。

次に、egen コマンドを使用して、各場所の月間 UVR の中央値を計算します。各ロケーションについて、二元散布図関数を使用して、Y 軸上の月次 UVR と X 軸上のカレンダー月をグラフ化します。次に、前回と同様にs wilkまたはSKテストを使用してデータの正規性を確認します。

次に、regress コマンドを使用して、ロケーション レベルの年間 UVR トレンドの基本モデルを指定します。月次 UVR を従属結果変数として指定し、説明変数を以前に生成された sign および cosign trigono メトリック関数にします。次に、結果をプロットし、予測値を重ね合わせます。

これには、2 方向散乱コマンドを再実行して予測データと観測データを重ね合わせ、regress コマンドを使用して拡張調和モデルの代替を実行することが含まれます。これで、最適なモデルが得られたら、generate コマンドを使用して、位相シフト点の推定値と UVR に関連する 95% 信頼区間を計算します。倍角の公式を適用して、前に計算したように各場所のチームを再度計算します。

merge コマンドを使用して季節性 UVR データの解析を続行し、以前に計算されたトラフを追加し、各ロケーションのピーク日を置き換えます。次に、generate コマンドを使用して、UVR トラフの日付とその後の再発ピークの日付との間の経過時間を月単位で計算します。先に進む前に、SK test コマンドを使用して uuv ラグ データの正規性テストを実行します。

マージ後、ABS X 関数を使用して相対緯度を絶対緯度に変換します。引き続き regress を使用して、UVR トラフを使用して、回帰結果変数としてピーク遅延を再発し、予測変数として 10 度単位の絶対緯度を持つ線形平均回帰モデルを指定します。Aウェイト回帰オプションを使用して、各ロケーションによって寄与された患者数についてモデルを待つようにしてください。

最後に、双方向散乱コマンドを使用して、グラフ化オプションから月単位で表示されるx軸の遅延を再発するために、UVRトラフに対してY軸の絶対緯度をプロットします。L フィット グラフ オプションを使用して最適なラインを重ね合わせ、a ウェイト オプションを使用して各位置の相対的な患者のウェイトを視覚化します。三角関数回帰分析は、32, 762の再発イベントのデータセットを使用して実行されました。

データの基本的なプロットは、すべての地理的レベルで春のピークと秋の谷を持つ年間サイクルを示唆していました。再発は5月に世界レベルでピークに達しました。北半球のデータでは、南半球のデータで11月に対応するピークが観測されました。

これらの結果は、地理学の3つのレベルすべてで周期的な時間変動を示し、6か月間隔で単一のピークと単一のトラフを持つ年間サイクルによって最もよく説明されました。したがって、これは両方の半球にわたる基本ケースモデルとして確立されました。次に、UVR トラフの再発ピークを決定するために、UVR 回帰プロットを調製しました。

UVRトラフの再発ピーク指標は、赤道からの緯度が増加した場合の再発確率に対する緯度の影響を示しました。UVRトラフとその後の再発ピークとの間のラグには相関的な減少があります その発生後。この手法は、研究者が周期的および精神的に変化する疫学的現象を数学的に調査することを可能にする道を開きました。

このビデオを見た後、三角関数ベースの回帰ツールを使用して周期的な周期現象を研究し、批評する方法についてよく理解できるはずです。この手法を適用する場合は、データ セットがクリーンで、コードがデバッグされていることを確認することが重要です。また、臨床的および生物学的な文脈を重ね合わせて適用することも重要であり、特に結果とデータを解釈する観点から重要です。