• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 1
  • Tagged with
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

Στατιστική και μη παραμετρική ανάλυση δεδομένων με σκοπό την ανίχνευση επιδράσεων γενετικών και δημογραφικών παραγόντων στο δείκτη μάζας σώματος

Παππάς, Ευάγγελος 20 October 2010 (has links)
Σε αυτή τη διπλωματική εργασία, με τη χρήση ενός δείγματος που αποτελούνταν από 4458 καυκάσια άτομα, για τα οποία ήταν γνωστά: - ο Δείκτης Μάζας Σώματος (ΔΜΣ), - το φύλο, - η ηλικία, και - τα γενετικά χαρακτηριστικά 23 γονιδίων τους (δηλ. τα αλληλόμορφα γονίδια), διερευνήθηκε: - η ύπαρξη κύριων (μεμονωμένων) επιδράσεων αυτών των παραγόντων (φύλο, ηλικία, αλληλόμορφα γονίδια) στον ΔΜΣ, και - ο αντίκτυπος των αλληλεπιδράσεων μεταξύ έως και τριών παραγόντων στον ΔΜΣ. Μετά από την απαραίτητη προ-επεξεργασία των δεδομένων (αναζήτηση διπλών καταχωρήσεων και διαγραφή τους, κωδικοποίηση, εξαγωγή περιγραφικών στατιστικών στοιχείων, κ.λπ.) εκτελέστηκαν παραμετρικοί και μη παραμετρικοί στατιστικοί έλεγχοι με τη χρήση των 26 συνολικά διαθέσιμων μεταβλητών. Οι στατιστικές μέθοδοι που χρησιμοποιήθηκαν ήταν οι ακόλουθες (σε παρένθεση δίνονται κάποια συνοπτικά χαρακτηριστικά των μεταβλητών που ελέγχονταν κατά περίπτωση): - γραμμική συσχέτιση του Pearson (μεταξύ του ΔΜΣ και της Ηλικίας, καθώς και μεταξύ του ΔΜΣ και του Φύλου), - ανάλυση της διακύμανσης (ANOVA) (με χρήση του ΔΜΣ ως ποσοτική συνεχής μεταβλητή και των υπόλοιπων μεταβλητών σε κατηγορική μορφή), - μέθοδος x2 (chi-square): o με χρήση του ΔΜΣ σε κατηγορική μορφή 4 κατηγοριών (λιποβαρείς, κανονικού σωματικού βάρους, υπέρβαροι, παχύσαρκοι) και των υπόλοιπων μεταβλητών σε κατηγορική μορφή, και o με χρήση του ΔΜΣ σε κατηγορική μορφή 2 κατηγοριών [κανονικού βάρους (ενσωματώνει τις κατηγορίες λιποβαρών ατόμων και ατόμων κανονικού βάρους), μη κανονικού βάρους (ενσωματώνει τις κατηγορίες υπέρβαρων και παχύσαρκων ατόμων)] και των υπόλοιπων μεταβλητών σε κατηγορική μορφή, - μέθοδος μείωσης πολυπαραγοντικής διάστασης (MDR - Multifactor Dimensionality Reduction) με χρήση του ΔΜΣ σε κατηγορική μορφή 2 κατηγοριών [κανονικού βάρους (ενσωματώνει τις κατηγορίες λιποβαρών ατόμων και ατόμων κανονικού βάρους), μη κανονικού βάρους (ενσωματώνει τις κατηγορίες υπέρβαρων και παχύσαρκων ατόμων)] και των υπόλοιπων μεταβλητών σε κατηγορική μορφή. / In this thesis, using a sample that consisted of 4458 Caucasian men, for which we had the following available: - Body Mass Index (BMI) - Sex, - Age, and - The genetic characteristics of 23 genes (ie alleles) we examined: - The existence of major (individual) effects of these factors (gender, age, alleles) in BMI, and - The impact of interactions between up to three factors in BMI. After the necessary pre-processing of data (search for duplicate entries and deletion, coding, extraction of descriptive statistics, etc.) we performed parametric and non parametric statistical tests using the total of 26 available variables. The statistical methods used were as follows (in brackets are some brief features of the controlled variables as appropriate): - Linear correlation of Pearson (between BMI and age, and between BMI and sex) - Analysis of variance (ANOVA) (using BMI as a quantitative continuous variable and other variables in categorical form) - Chi-square test: o Using the BMI, in categorical form of four categories (underweight, normal weight, overweight, obese) and other variables in categorical form, and o Using the BMI, in categorical form of two categories [normal weight (incorporates underweight and normal weight), non-normal weight (incorporates overweight and obese)] and other variables in categorical form - Multifactor Dimensionality Reduction (MDR), using the BMI in categorical form of two categories [normal weight (incorporates underweight and normal weight), non-normal weight (incorporates overweight and obese)] and other variables in categorical form.

Page generated in 0.1227 seconds