Multipl Skleroz Relaps Verilerle kanıtlanmış Mevsimsel Değişim Trigonometrik Modelleme Bir Yöntem

Bu istatistiksel trigonometrik regresyonun genel amacı, multipl sklerozda bir hastanın hastalık seyrini yaygın olarak karakterize eden nüks olaylarının zamanlamasını modellemek ve bu modelleri nüks başlangıcının mevsimsel ve enlemsel korelasyonlarını incelemek için kullanmaktır. Bu yöntem, multipl skleroz epidemiyolojisinde, mevsim ve enlemin bağımsız etkileri ve nüksün biyolojik mekanizmalarına ilişkin sonraki araştırmalara rehberlik etmek için büyük bir potansiyel olan nüksetme zamanlaması da dahil olmak üzere, doğal tarihteki temel soruların araştırılmasına yardımcı olabilir. Bu tekniğin temel avantajı, periyodik ve döngüsel olayları keşfetmek ve araştırmak için esnek regresyon tabanlı bir araç sağlamasıdır.

Bu, enlem ve mevsim etkilerinin, hasta ve tedavi faktörleri de dahil olmak üzere bir dizi başka nüks korelasyonundan izole edilmesini sağlar. Burada açıklanan analiz, komut satırı güdümlü durum yazılımı kullanılarak yapılmıştır. Bir do dosyası açarak başlayın.

Yeni do dosya düzenleyici düğmesine tıklayın. Ardından, generate komutunu kullanarak, 12 takvim ayının her birine tarihlenen nüks başlangıçlarının sayısını hesaplayın. Bunu, modellenmekte olan coğrafi seviye için yapın, bu durumda yarımküredir.

Oluşturma komutunu yürütün, çünkü tüm komutlar son dosyadaki execute do do file eylem düğmesine tıklanarak yürütülür. Ardından, nüks sayılarının temel dağılımını normallik açısından test etmek için bir S WIL komutu veya bir SK test komutu yürütün. Bu seçenekler sırasıyla bir Shapiro Wilk veya değiştirilmiş bir Harkey Bara testi uygular.

Nüks sayısı verileri önemli ölçüde çarpıksa uygun seçimi yapın. Ardından bir günlük dönüşümü uygulayın. Veriler geçerse.

Normallik testi, Güney Yarımküre için yeni bir değişken northco month oluşturmak için generate komutunu kullanarak devam edin. Takvim ayları altı birim ile kaydırılmıştır. Şimdi tüm verilerin dağılım grafiğini oluşturmak için kuzey ayı değişkenini kullanın.

Takvimi, ayları ve mevsimleri x eksenine ve gözlenen aylık nüks başlangıçlarını nüks sıklığı ile Y eksenine yerleştirin. Her bir grafiği grafik görüntüleyicide görüntüleyerek takvim yılı boyunca nüks başlangıcındaki kalıpları gözlemleyin. Ardından, nüks sıklığının takvim ayına göre dağılımının radar grafiklerini çizmek için radar komutunu yürütün.

Her radar ekseni saat yönünde sıralanmış tek bir ayı yakalar. Bu analizi tamamlamak için, gözlemlenen nüks verilerine bir Edwards mevsimsellik testi uygulamak için CT komutunu yürütün. Yazılımla devam eden her coğrafi düzeyde bu testi tekrarlayın.

Verilerin bir modelini oluşturun. İlk olarak, yıllık döngü işaretini belirtin ve veri regresyonunda kullanılacak trigonometrik fonksiyonları birlikte imzalayın. Ardından, bağımlı sonuç olarak nüks sayısıyla temel modelin biçimini belirtmek için regress komutunu kullanın.

Bu komut, az önce hesaplanan işaret ve ortak işaret terimlerini birincil açıklayıcı değişkenler olarak girer. Ardından, konuma özgü UVR'yi ek bir ayarlama ortak değişkeni olarak ekler ve modeli her bir konumun katkıda bulunduğu hasta sayısına göre ağırlıklandırmak için analitik ağırlık seçeneğini uygular. Şimdi, her site için predict komutunu kullanarak modelin tahmin edilen aylık günlük nüksesini depolayın.

Günlük nükslerini tamsayı nüks sayılarına geri dönüştürün. Her site için generate komutunu kullanarak günlük tekrarlama terimini üsleyin. Ardından, iki yönlü dağılım komutunu kullanarak expon aylık nüks tahminlerinin tahminini üst üste bindirin.

Şimdi, regress komutunu kullanarak ek bir harmonik işaret ortak imza çifti ekleyerek modeli genişletin. Bunu iki kez daha yapın, böylece üç işaret cosign çifti eklenir. Her bir çift, en yüksek nüks olasılığını tahmin etmek için verilerin bağımsız bir modelini üretmek için kullanılacaktır.

Faz kayması için noktayı, tahmini ve% 95 güven aralığını hesaplamak için nl com'u kullanarak başlayın. En uygun model için, çıktısı alınan nokta tahminlerini ve ilişkili güven aralıklarını yılın her günü için numaralandırılmış verilere dönüştürün. Tepe nüks frekansını veya tmax ve çukur nüks frekansını veya T in'i bildirin.

Ardından, verilerdeki tmax ve T'yi Excel arama dosyası aracılığıyla bir takvim tarihiyle eşleştirin. Bu bölüm, ultraviyole radyasyon verilerinin veya UVR verilerinin nasıl modelleneceğini özetlemektedir. Başlamak için, UVR verilerini yüklemek üzere use komutunu çalıştırın.

Ardından egen komutunu kullanarak, her konum için medyan aylık UVR'yi hesaplayın. Her konum için, Y eksenindeki aylık UVR'nin dağılım grafiğini X eksenindeki takvim ayına karşı grafiklendirmek için iki yönlü dağılım işlevini kullanın. Ardından, daha önce olduğu gibi s wilk veya SK testi kullanarak verilerin normalliğini kontrol edin.

Ardından, regress komutunu kullanarak, konum düzeyinde yıllık UVR eğiliminin temel modelini belirtin. Bağımlı sonuç değişkenleri olarak aylık UVR'yi belirtin ve ardından açıklayıcı değişkenleri daha önce oluşturulan işaret ve trigono metrik fonksiyonlarını birlikte imzalayın. Ardından sonuçları çizin ve tahmin edilen değerlerin üzerine bindirin.

Bu, tahmin edilen ve gözlemlenen verileri üst üste bindirmek için iki yönlü dağılım komutunun yeniden çalıştırılmasını ve genişletilmiş harmonik model alternatiflerini çalıştırmak için regress komutunun kullanılmasını içerir. Şimdi en uygun modelle, faz kayma noktası tahminini ve UVR için ilişkili %95 güven aralığını hesaplamak için generate komutunu kullanın. Çift açı formüllerini uygulayarak, daha önce hesaplandığı gibi her konum için takımı hesaplayın.

Daha önce hesaplanan çukuru eklemek ve her konum için zirve tarihlerini değiştirmek için merge komutunu kullanarak mevsimsel UVR verilerinin analizine devam edin. Ardından, UVR çukur tarihi ile sonraki nüks tepe tarihi arasında ay olarak geçen süreyi hesaplamak için generate komutunu kullanın. Devam etmeden önce, SK test komutunu kullanarak uuv gecikme verileri üzerinde bir normallik testi yapın.

Birleştirmenin ardından, ABS X işlevini kullanarak göreli enlemi mutlak enlem'e dönüştürün. Bağımlı sonuç değişkeni olarak nüksetmek için UVR oluğu ile doğrusal bir ortalama regresyon modeli belirtmek için gerilemeyi kullanmaya devam edin, tepe gecikmesi ve tahmin değişkeni olarak 10 derecelik birimlerde mutlak enlem. A ağırlıkları gerileme seçeneğini kullanarak her konumun katkıda bulunduğu hasta sayısı için modeli beklediğinizden emin olun.

Son olarak, grafik seçeneklerinden ay cinsinden görüntülenen x eksenindeki gecikmeyi tekrarlamak için Y eksenindeki mutlak enlemi UVR oluğuna karşı çizmek için iki yönlü dağılım komutunu kullanın. L sığdırma grafiği seçeneğini kullanarak en uygun çizgiyi üst üste bindirin ve her bir konumun göreli hasta ağırlıklarını görselleştirmek için ağırlıklar seçeneğini kullanın. Trigonometrik regresyon analizi, 32.762 nüks olayından oluşan bir veri seti kullanılarak gerçekleştirildi.

Verilerin temel çizimi, tüm coğrafi düzeylerde bir ilkbahar zirvesi ve sonbahar çukuru ile yıllık bir döngü önerdi. Nüksler Mayıs ayında küresel bir seviyeye ulaştı. Kuzey yarımküre verilerinde, Güney yarımküre verilerinde Kasım ayında karşılık gelen bir zirve gözlendi.

Bu sonuçlar, altı aylık bir aralıkta tek bir tepe ve tek bir çukur ile yıllık bir döngü ile en iyi şekilde tanımlanan coğrafyanın her üç seviyesinde de periyodik bir zamansal varyasyon gösterdi. Böylece, bu, her iki yarım kürede de temel durum modeli olarak kuruldu. Daha sonra UVR oluğu nüks zirvesini belirlemek için UVR regresyon grafikleri hazırlandı.

UVR çukuru nüks tepe metriği, ekvatordan gelen enlem arttığında enlemin nüks olasılığı üzerindeki etkisini gösterdi. Gelişiminden sonra UVR oluğu ile müteakip nüks zirvesi arasındaki gecikmede korelasyonlu bir azalma vardır. Bu teknik, araştırmacıların periyodik ve psişik olarak değişen epidemiyolojik olayları matematiksel olarak keşfetmelerine izin vermenin bir yolunu açmıştır.

Bu videoyu izledikten sonra, artık trigonometrik tabanlı bir regresyon aracı kullanarak periyodik döngüsel olayları nasıl inceleyeceğiniz ve eleştireceğiniz konusunda iyi bir fikre sahip olmalısınız. Bu tekniği uygularken, veri kümesinin temiz olduğundan ve kodun hata ayıklandığından emin olmak önemlidir. Klinik ve biyolojik bir bağlamın üst üste bindirilmesi ve uygulanması, özellikle sonuçların ve verilerin yorumlanması açısından da önemlidir.