ترجمه فارسی توضیحات (ترجمه ماشینی)
متاآنالیز داده های باینری با استفاده از احتمال نمایه
ارائه اطلاعات قابل اعتماد در مورد اثر مداخله، متاآنالیز یک ابزار آماری قدرتمند برای تجزیه و تحلیل و ترکیب نتایج حاصل از مطالعات فردی است. فراتحلیل داده‌های باینری با استفاده از Profile Likelihood بر تحلیل و مدل‌سازی یک متاآنالیز با داده‌های ادغام‌شده جداگانه (MAIPD) متمرکز است. این یک رویکرد یکپارچه برای مدل‌سازی اثر درمانی در یک متاآنالیز کارآزمایی‌های بالینی با نتایج دودویی ارائه می‌کند.
پس از تشریح موقعیت فرا تحلیلی یک MAIPD با چندین مثال، نویسندگان مدل احتمال نمایه را معرفی کرده و آن را برای مقابله با ناهمگونی مشاهده نشده گسترش می دهند. آنها عناصر مدل‌سازی لاگ خطی، راه‌هایی برای یافتن تخمین‌گر حداکثر درستنمایی پروفایل، و رویکردهای جایگزین برای روش درستنمایی پروفایل را توصیف می‌کنند. نویسندگان همچنین درباره نحوه مدل‌سازی اطلاعات کمکی و ناهمگونی مشاهده نشده به طور همزمان بحث می‌کنند و از روش احتمال پروفایل برای تخمین نسبت‌های شانس استفاده می‌کنند. فصول پایانی به تعیین کمیت ناهمگنی در یک MAIPD می پردازد و نشان می دهد که چگونه می توان متاآنالیز را برای نظارت بر بیماری اسکرپی به کار برد.
این کتاب حاوی پیشرفت‌های جدیدی است که در ادبیات کنونی موجود نیست، همراه با استنباط‌ها و الگوریتم‌های آسان برای دنبال کردن، پزشکان را قادر می‌سازد تا به طور مؤثر MAIPD را تجزیه و تحلیل کنند.
Providing reliable information on an intervention effect, meta-analysis is a powerful statistical tool for analyzing and combining results from individual studies. Meta-Analysis of Binary Data Using Profile Likelihood focuses on the analysis and modeling of a meta-analysis with individually pooled data (MAIPD). It presents a unifying approach to modeling a treatment effect in a meta-analysis of clinical trials with binary outcomes.
After illustrating the meta-analytic situation of an MAIPD with several examples, the authors introduce the profile likelihood model and extend it to cope with unobserved heterogeneity. They describe elements of log-linear modeling, ways for finding the profile maximum likelihood estimator, and alternative approaches to the profile likelihood method. The authors also discuss how to model covariate information and unobserved heterogeneity simultaneously and use the profile likelihood method to estimate odds ratios. The final chapters look at quantifying heterogeneity in an MAIPD and show how meta-analysis can be applied to the surveillance of scrapie.
Containing new developments not available in the current literature, along with easy-to-follow inferences and algorithms, this book enables clinicians to efficiently analyze MAIPDs.
نقد و بررسی‌ها
هیچ دیدگاهی برای این محصول نوشته نشده است.