تحليل داده هاي پنلي در مطالعات پزشكي

Panel data analysis in medical research

سابقه و هدف: مطالعه اي كه موقعيت تكرار عضوهاي نمونه، نقاط زماني باشند را مطالعه طولي ناميده مي شود (Longitudinal study). مطالعه پنلي (Panel study) دسته اي از مطالعه طولي است كه با تركيب داده هاي مقطعي و سري زماني، چند اتفاق را در چند دوره زماني مورد بررسي قرار مي دهد و جايگاه خاصي در مطالعات پزشكي از جمله كارآزمايي باليني دارد. در اين مقاله ابتدا ماهيت داده هاي پنلي، انواع مدل بندي آماري داده هاي پنلي آن مورد بررسي قرار گرفته است، با توجه به هم بستگي درون مجموعه مشاهدات هر فرد در داده هاي پنلي، نمي توان تحليل آماري را با استفاده از رگرسيون معمولي انجام داد. در ادامه معادلات برآوردي تعميم يافته (Generalized estimation equation GEE) براي برآورد ضرايب رگرسيون پنلي ضمن منظور نمودن هم بستگي بين مشاهدات پيشنهاد شد. مواد و روش ها: اهميت مدل بندي داده هاي پنلي با روش GEE در نمونه اي از داده هاي واقعي مربوط به تاثير پچ (چسب) هاي استروژني در درمان افسردگي بعد از زايمان نشان داده شد. يافته ها: در برآورد ضرايب مدل رگرسيون پنلي داده هاي واقعي، اثر متغير افسردگي قبل مطالعه با ضريب 0/428 و p<0/001، گروه درماني با ضريب 4/025- و p<0/001 و متغير دوره درماني با 1/218- و p<0/001 با استفاده از روش نيرومند نسبت به بدتشخيصي ساختار هم بستگي GEEمعنادار شد. نتيجه گيري: با توجه به اين كه ساختار هم بستگي بين پاسخ هاي داده هاي پنلي مي تواند نقش مهمي در تحليل داده ها در مطالعات پزشكي داشته باشد، برآورد ضرايب رگرسيون داده هاي پنلي با استفاده از روش GEE پيشنهاد مي شود.

Introduction: A longitudinal study involves repeated observations of the same items over long periods of time. Panel studies are longitudinal studies of batch which combine cross-sectional and time- series data in observations on a number of over time that play special role in medical research or clinical trials. In this paper, we primarily discuss about the panel data and various modeling of panel data. It is not possible to use ordinary regression methods due to inter- correlation of observation related to one unit. Generalized estimation equation (GEE) for estimation of panel regression coefficient by considering inter correlation was used among observations. Materials and Methods: We considerd the importance of panel data modeling with GEE in real panel data samples as applications in the effect of estrogen patches on the postnatal depression. Results: In the estimation of panel regression coefficients on real data, starting treatment effect (b(pre)=0.428, p<0.001), treatment group effect (b(group)=4.025, p<0.001) and treatment period effect (b(visit)=1.218,p<0.001 with use of robust method to misspecification of the correlation structure were significant. Conclusion: According to the important role of panel data inter- correlation structure in analyzing in medical research, we propose to estimate the coefficients of panel via GEE method