مقایسه برآورد نسبت شانس حاصل از برازش مدل رگرسیون لجستیک با سه روش استقلال ، حاشیه ای و اثرات تصادفی در مطالعات موردی-شاهدی همسان سازی شده با استفاده از شبیه سازی

چکیده زمینه و هدف: یکی از متداول ترین مطالعات در حیطه علوم پزشکی جهت یافتن ریسک فاکتورها و عوامل مرتبط با بیماری ها مطالعات موردی – شاهدی هستند که شاخص مهم قابل محاسبه درآن OR یا خطرنسبی است. اما در این بین بعضی عوامل مخدوش گرکه بر پاسخ موثرند اعتبارOR به دست آمده را زیر سوال می برند و OR را کمتر یا بیشتر نشان می دهد یکی از روش های حذف اثر مخدوش گر، طراحی مطالعات matching است. رگرسیون لجستیک یکی از روش های متداول مدل سازی برای این نوع مطالعات است که در مطالعه حاضر سه روش رگرسیون لجستیک در حالت استقلال ،حاشیه ای و شرطی با هم مقایسه می شوند. مواد و روش کار: این مطالعه بر روی داده های شبیه سازی شده وابسته به هم انجام پذیرفته است. بدین ترتیب که داده ها از توزیع نرمال دو متغیره با ضریب همبستگی های (۰،۰.۲،۰.۴،۰.۶،۰.۸) تولید می شوند. سپس با انتخاب نقاط برش (۰.۲۵،۰.۲۵) ، (۰.۲۵،۰.۱۵) ، (۰.۲۵،۰.۱) ، (۰.۲۵، ۰.۰۵ ) برای تابع احتمال تجمعی آنها این داده ها که از توزیع پیوسته هستند به توزیع گسسته صفر و یک که به هم وابسته هستند تبدیل می شوند. سپس سه مدل رگرسیون لجستیک در حالت استقلال ، حاشیه ای و شرطی به داده ها برازش داده می شود و OR محاسبه می شود. با۱۰۰۰۰بار تکرار مقدار صدک ۲.۵ و ۹۷.۵ و همچنین میانه OR سه مدل در نقاط برش ذکرشده با هم مقایسه می شوند. یافته ها: در همبستگی صفر هر سه مدلOR مشابه دارند و تغییر درنقاط باز هم ضرایب مشابه دارد. اما با افزایش میزان همبستگی بین مشاهداتOR بین مدل حاشیه ای و استقلال متفاوت نیست ولی مقدار آن با مدل شرطی متفاوت خواهد بود. به عنوان مثال در نقطه برش (۰.۲۵،۰.۱) و ضریب همبستگی ۰.۶ میانه OR به دست آمده در مدل استقلال و حاشیه ای ۲.۸ است ولی در مدل شرطی این مقدار ۵ یعنی دوبرابر مقدار برازش شده است. نتیجه گیری: استفاده ازمدل های شرطی زمانی که همبستگی بین مشاهدات زیاد است قطعا روش صحیح تری است و هرچه میزان این همبستگی بالا برود میزان خطای ما در استفاده از مدل استقلال یا حاشیه ای بالا می رود. اما زمانی که همبستگی بین مشاهدات ناچیز است استفاده از سه مدل برآوردهای یکسانی می دهد

کلیدواژه ها:

Key words: case-control studies ، marginal logistic model ، conditional logistic model ، simulation ، confounder ، واژه های کلیدی: مطالعات موردی شاهدی ، مدل لجستیک حاشیه ای ، مدل لجستیک شرطی ، شبیه سازی ، مخدوش گر