다발성 경화증 재발 데이터로 입증 된 계절 변화의 삼각 모델링하는 방법

이 통계적 삼각함수 회귀분석의 전반적인 목표는 다발성 경화증에서 환자의 질병 경과를 일반적으로 특징짓는 재발 사건의 시기를 모델링하고 이러한 모델을 사용하여 재발 시작의 계절 및 위도 상관관계를 연구하는 것입니다. 이 방법은 계절과 위도의 독립적인 영향, 재발 시기를 포함하여 다발성 경화증의 역학에서 자연사의 주요 질문을 탐구하는 데 도움이 될 수 있으며, 이는 재발의 생물학적 메커니즘에 대한 후속 연구를 안내할 수 있는 큰 잠재력입니다. 이 기술의 주요 장점은 주기적 및 순환 현상을 탐색하고 조사하기 위한 유연한 회귀 기반 도구를 제공한다는 것입니다.

이를 통해 위도와 계절의 영향을 환자 및 치료 요인을 포함한 일련의 다른 재발 상관 관계로부터 분리할 수 있습니다. 여기에 설명된 분석은 명령줄 기반 상태 소프트웨어를 사용하여 수행됩니다. do 파일을 열어 시작합니다.

새로운 do 파일 편집기 버튼을 클릭합니다. 다음으로, generate 명령을 사용하여 12개월 각각에 대한 재발 발병 횟수를 계산합니다. 모델링되는 지리적 수준(이 경우 반구)에 대해 이 작업을 수행합니다.

모든 명령이 실행될 때 due 파일에서 execute do do file action 버튼을 클릭하여 generate 명령을 실행합니다. 다음으로, S WIL 명령 또는 SK 테스트 명령을 실행하여 재발 횟수의 기본 분포가 정규성에 대해 테스트하는지 테스트합니다. 이러한 옵션은 각각 Shapiro Wilk 또는 수정된 Harkey Bara 테스트를 적용합니다.

재발 횟수 데이터가 크게 치우친 경우 적절한 선택을 합니다. 그런 다음 로그 변환을 적용합니다. 데이터가 통과하면.

정규성 테스트는 generate 명령을 사용하여 남반구에 대한 새 변수 northco month를 작성하여 진행됩니다. 달력상의 월은 6 단위로 오프셋됩니다. 이제 북쪽 달 변수를 사용하여 모든 데이터의 산점도를 만듭니다.

달력, 월, 계절을 x축에 놓고 관찰된 월별 재발 시작을 Y축에 재발 빈도와 함께 놓습니다. 그래프 뷰어에서 각 플롯을 확인하여 역년 동안 재발하는 패턴을 관찰합니다. 다음으로, radar 명령을 실행하여 역월별 재발 빈도 분포에 대한 레이더 플롯을 그립니다.

각 레이더 축은 시계 방향으로 주문된 한 달을 캡처합니다. 이 분석을 완료하려면 CT 명령을 실행하여 관찰된 재발 데이터에 계절성에 대한 Edwards 검정을 적용합니다. 소프트웨어를 진행하면서 각 지리적 수준에서 이 테스트를 반복합니다.

데이터 모델을 구축합니다. 먼저, 데이터 회귀에 사용할 연간 주기 부호 및 공동 부호 삼각 함수를 지정합니다. 다음으로, regress 명령을 사용하여 재발 횟수가 종속 결과로 있는 기본 모델의 형식을 지정합니다.

이 명령은 방금 계산된 부호 및 공동 부호 항을 기본 설명 변수로 입력합니다. 그런 다음 위치별 UVR을 추가 조정 공변량으로 추가하고, 분석 가중치 옵션을 적용하여 각 위치에서 기여한 환자 수에 대해 모델에 가중치를 부여합니다. 이제 각 사이트에 대해 predict 명령을 사용하여 모델 예측된 월별 로그 재발을 저장합니다.

로그 되풀이를 정수 되돌림 횟수로 다시 변환합니다. 각 사이트에 대해 generate 명령을 사용하여 로그 되풀이 용어를 지수화합니다. 그런 다음 양방향 산점도 명령을 사용하여 expon 월별 재발 추정치의 예측을 오버레이합니다.

이제 regress 명령을 사용하여 추가 조화 기호 공동 부호 쌍을 추가하여 모델을 확장합니다. 이 작업을 두 번 더 수행하여 세 개의 부호 공동 부호 쌍이 추가되도록 합니다. 각 쌍은 최대 재발 확률을 추정하기 위해 데이터의 독립형 모델을 생성하는 데 사용됩니다.

먼저 nl com을 사용하여 위상 변이에 대한 점, 추정치 및 95% 신뢰 구간을 계산합니다. 가장 적합한 모형을 위해, 출력된 점 추정치 및 관련 신뢰 구간을 연중 각 날짜에 대해 번호가 매겨진 데이터로 변환합니다. 최대 재발 빈도 또는 tmax 및 최저 재발 빈도 또는 T in을 보고합니다.

그런 다음 Excel 조회 파일을 통해 데이터의 tmax 및 T를 달력 날짜와 일치시킵니다. 이 섹션에서는 자외선 데이터 또는 UVR 데이터를 모델링하는 방법에 대해 간략하게 설명합니다. 시작하려면 use 명령을 실행하여 UVR 데이터를 로드합니다.

그런 다음 egen 명령을 사용하여 각 위치에 대한 월별 UVR 중앙값을 계산합니다. 각 위치에 대해 양방향 산점도 함수를 사용하여 Y축의 월별 UVR과 X축의 달력상 월의 산점도를 그래프로 표시합니다. 그런 다음 이전과 같이 s wilk 또는 SK test를 사용하여 데이터의 정규성을 확인합니다.

다음으로, regress 명령을 사용하여 위치 수준 연간 UVR 추세의 기본 모델을 지정합니다. 월별 UVR을 종속 결과 변수로 지정한 다음, 설명 변수를 이전에 생성된 부호 및 코사인 삼각 메트릭 함수로 만듭니다. 그런 다음 결과를 플로팅하고 예측된 값을 오버레이합니다.

여기에는 양방향 분산 명령을 다시 실행하여 예측 및 관찰 데이터를 오버레이하고 regress 명령을 사용하여 확장된 조화 모델 대안을 실행하는 작업이 포함됩니다. 이제 최적 맞춤 모델을 사용하여 generate 명령을 사용하여 위상 이동점 추정치 및 UVR에 대한 관련 95% 신뢰 구간을 계산합니다. 이중 각도 공식을 적용하여 이전에 계산한 대로 각 위치에 대한 팀을 다시 계산합니다.

병합 명령을 사용하여 이전에 계산된 골을 추가하고 각 위치의 피크 날짜를 대체하여 계절별 UVR 데이터 분석을 계속합니다. 그런 다음 generate 명령을 사용하여 UVR 저점 날짜와 후속 재발 피크 날짜 사이에 경과된 시간(개월)을 계산합니다. 계속하기 전에 SK test 명령을 사용하여 uuv 지연 데이터에 대한 정규성 테스트를 실행합니다.

병합 후 ABS X 함수를 사용하여 상대 위도를 절대 위도로 변환합니다. 회귀를 계속 사용하여 UVR 저점을 사용하여 최대 지연을 되풀이하는 선형 평균 회귀 모델을 종속 결과 변수로 지정하고 절대 위도(10도 단위)를 예측 변수로 지정합니다. A weights regress 옵션을 사용하여 각 위치에서 기여한 환자 수에 대해 모델을 기다려야 합니다.

마지막으로, 양방향 산점도 명령을 사용하여 UVR 골에 대해 Y축의 절대 위도를 플로팅하여 그래프 옵션에서 개월 단위로 표시된 x축의 지연을 되풀이합니다. L fit 그래프 옵션을 사용하여 최적선을 오버레이하고 가중치 옵션을 사용하여 각 위치의 상대적 환자 가중치를 시각화합니다. 삼각법 회귀 분석은 32,762개의 재발 사건으로 구성된 데이터 세트를 사용하여 수행되었습니다.

데이터의 기본 도표는 모든 지리적 수준에서 봄 피크와 가을 저점이 있는 연간 주기를 제안했습니다. 재발은 5월에 전 세계적으로 최고조에 달했습니다. 북반구 데이터에서는 11월에 해당하는 최고치가 남반구 데이터에서 관찰되었습니다.

이러한 결과는 지리학의 세 가지 수준 모두에서 주기적인 시간적 변화를 보여주었으며, 6개월 간격으로 단일 정점과 단일 저점이 있는 연간 주기로 가장 잘 설명됩니다. 따라서 이것은 두 반구에 걸쳐 기본 사례 모델로 확립되었습니다. 다음으로 UVR 저점 재발 피크를 결정하기 위해 UVR 회귀 플롯을 준비했습니다.

UVR 저점 재발 피크 메트릭은 적도로부터의 위도가 증가할 때 재발 확률에 대한 위도의 영향을 보여주었습니다. UVR 저점과 발병 후 후속 재발 피크 사이의 지연은 상관적인 감소가 있습니다. 이 기술은 연구자들이 주기적이고 심리적으로 변하는 역학 현상을 수학적으로 탐구할 수 있는 길을 열었습니다.

이 비디오를 시청한 후에는 이제 삼각법 기반 회귀 도구를 사용하여 주기적 순환 현상을 연구하고 비판하는 방법에 대해 잘 알게 되었을 것입니다. 이 기술을 적용할 때 데이터 세트가 정리되고 코드가 디버깅되었는지 확인하는 것이 중요합니다. 또한 임상적, 생물학적 맥락을 중첩하고 적용하는 것이 중요하며, 특히 결과와 데이터를 해석하는 측면에서 중요합니다.