چگونه می توان در مطالعات مشاهده ای روابط علیتی را سنجید: همسان سازی با نمره گرایش
- سال انتشار: 1400
- محل انتشار: چهاردهمین همایش دانشجویی تازه های علوم بهداشتی کشور
- کد COI اختصاصی: IHSC14_409
- زبان مقاله: فارسی
- تعداد مشاهده: 247
نویسندگان
دانشجوی کارشناسی ارشد اپیدمیولوژی ، گروه اپیدمیولوژی ، دانشکده بهداشت ، دانشگاه علوم پزشکی کرمانشاه، کرمانشاه ، ایران
استاد ،گروه اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی کرمانشاه، کرمانشاه، ایران
استادیار ،گروه اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی کرمانشاه، کرمانشاه، ایران
استادیار ،گروه اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی کرمانشاه، کرمانشاه، ایران
چکیده
زمینه و هدف : بیشتر مطالعات انجام شده در سیستم خدمات بهداشتی و درمانی از نوع مطالعات مشاهده ای است که در آن پژوهشگران سعی در پیدا کردن روابط علیتی بین مشاهدات را دارند که این ارتباط سنجی معمولا به دلیل عدم کنترل متغیرهای مخدوشگر با خطا همراه است. یکی از روش ها برای کنترل متغیرهای مخدوشگر، همسان سازی یا تطبیق براساس نمره گرایش می باشد، لذا در این مطالعه قصد داریم مراحل انجام همسان سازی با نمره گرایش را به صورت خلاصه با ذکر یک مثال توضیح دهیم.مواد و روش ها : همسان سازی براساس نمره گرایش دارای ۵مرحله است که مرحله اول برآورد نمره گرایش است، این مرحله شامل انتخاب مدل مناسب و انتخاب متغیرهای مخدوش گر می باشد. در مرحله دوم براساس نمرات گرایش برآورد شده در مرحله اول باید تصمیم گرفت از میان الگوریتم های تطبیق از جمله نزدیکترین همسایگان (افراد با نمره گرایش نزدیک به هم)، کالیپر و رادیوس، طبقه بندی، کرنال و وزن دهی کدام الگوریتم تطبیق را انتخاب کرد، مرحله سوم همپوشانی و پشتیبانی مشترک می باشد که در این مرحله مشاهداتی که خارج از محدوده نمرات تطبیق قرار دارند حذف می شوند. پس از آن، کیفیت مطابقت ارزیابی می شود، درنهایت در مرحله آخر باید حساسیت اثرات برآورد شده را تخمین زد. در صورت مناسب نبودن هر مرحله به مرحله ای قبل برمیگردیم.نتایج : در تطبیق نمره گرایش متغیرهای اساسی مشاهده شده بین گروه های مواجهه و عدم مواجهه متعادل می شوند. با این حال، اگر مدل آماری مورد استفاده برای محاسبه نمره گرایش به درستی انتخاب نشده باشد، عدم تعادل بین ویژگی های پایه دو گروه هنوز هم می تواند وجود داشته باشد. بنابراین، استفاده از مدل آماری مناسب برای ایجاد توزیع تعادل بین متغیر های گروه های مورد مطالعه از اهمیت ویژه ای برخوردار است. نتیجه گیری : همسان سازی براساس نمره گرایش در مواردی که مخدوش کننده های مطالعه زیاد باشند؛ مفید است. این روش در مطالعات مشاهده ای جایگزین تصادفی سازی در مطالعات تجربی است، که با کاهش تورش انتخاب همچنین با کنترل متغیر های مخدوش گر تجزیه و تحلیل را راحت ترمی کند.کلیدواژه ها
تطبیق نمره گرایش، میانگین اثر درمانی در گروه درمان، میانگین اثر درمان در گروه کنترل، مطالعات مشاهده ایمقالات مرتبط جدید
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.