1 |
Mirtingumo nuo galvos smegenų insulto prognozavimo modeliai ir programinės priemonės / Forecasting models and software for mortality from strokeNoreika, Marius 16 August 2007 (has links)
Mirtingumo nuo įvairių ligų įvertinimas ir prognozavimas pagal atlikto tyrimo duomenis – dažnas statistinės analizės uždavinys medicinoje. Juose siekiama prognozuoti tikėtiną mirčių nuo tiriamos ligos skaičių, susirgimo tam tikra liga tikimybę ar išskirti rizikos grupes, įvertinant tyrimo metu surinktų stebimos populiacijos imties kintamųjų duomenis ir nustatant, kokia priklausomybę juos sieja. Pagrindiniai šio darbo tikslai: susipažinti su statistikos metodais, taikomais mirtingumo duomenų analizei; sudaryti statistinės analizės modelius turimiems mirtingumo duomenims; realizuoti sudarytus modelius programiškai, panaudojant SAS sistemą ir SAS makro programavimo galimybes. Panaudojus Puasono, logistinės ir Kokso regresin��s analizės metodus sudaryti mirtingumo nuo galvos smegenų insulto (GSI) prognozavimo modeliai. Sudaryti modeliai realizuoti programiškai, panaudojus SAS programavimo kalbą, SAS/IML posistemės galimybes ir SAS makro programavimo priemones. Sukurti regresinės analizės modeliai ir programines priemonės panaudotos Kauno medicinos universiteto Kardiologijos instituto 1980-2004 metais atliktų tyrimų metu surinktų Kauno miesto 25-64 m. amžiaus gyventojų mirtingumo nuo GSI duomenų analizei atlikti. / Estimation and forecasting of mortality from various diseases are very frequent data analysis tasks in medicine nowadays. In order to estimate expected number of deaths, probability to die from a disease or trends in mortality we should apply the most suitable statistical methods. Data analysis models were created using Poisson, logistic, Cox regression methods and realized in SAS macros. Created software also contains models for goodness of fit analysis, graphical visualization and prepares a report of data analysis in RTF (Rich Text Format) format. Analysis was made for mortality from stroke data among Kaunas population aged 25 to 64 during the period 1980-2004. The study contains the description of applying created data analysis models, SAS macros and received results.
|
Page generated in 0.0636 seconds