আমি একটি মেডিকেল শিক্ষার্থী যা পরিসংখ্যানগুলি বোঝার চেষ্টা করছি (!) - সুতরাং দয়া করে নম্র হন! ;)
আমি বেঁচে থাকার বিশ্লেষণ (ক্যাপলান-মিয়ার, লগ-র্যাঙ্ক এবং কক্স রিগ্রেশন) সহ পরিসংখ্যানগত বিশ্লেষণের মোটামুটি পরিমাণ সহ একটি নিবন্ধ লিখছি।
আমি আমার ডেটাতে একটি কক্স রিগ্রেশন চালিয়েছি তা জানতে চেষ্টা করেছিলাম যে দুটি গ্রুপের (উচ্চ ঝুঁকিযুক্ত বা কম ঝুঁকিযুক্ত রোগীদের) রোগীদের মৃত্যুর মধ্যে উল্লেখযোগ্য পার্থক্যটি খুঁজে পেতে পারি কিনা।
আমি কক্স রিগ্রেশনটিতে তাদের প্রভাব নিয়ন্ত্রণের জন্য বেশ কয়েকটি কোভারিয়েট যুক্ত করেছি।
Risk (Dichotomous)
Gender (Dichotomous)
Age at operation (Integer level)
Artery occlusion (Dichotomous)
Artery stenosis (Dichotomous)
Shunt used in operation (Dichotomous)
আমি কোভেরিয়েট তালিকা থেকে আর্টির অন্তর্ভুক্তি অপসারণ করেছি কারণ এর এসই অত্যন্ত উচ্চ (976)। অন্যান্য সমস্ত এসই 0,064 এবং 1,118 এর মধ্যে। এটি আমি পেয়েছি:
B SE Wald df Sig. Exp(B) 95,0% CI for Exp(B)
Lower Upper
risk 2,086 1,102 3,582 1 ,058 8,049 ,928 69,773
gender -,900 ,733 1,508 1 ,220 ,407 ,097 1,710
op_age ,092 ,062 2,159 1 ,142 1,096 ,970 1,239
stenosis ,231 ,674 ,117 1 ,732 1,259 ,336 4,721
op_shunt ,965 ,689 1,964 1 ,161 2,625 ,681 10,119
আমি জানি যে ঝুঁকিটি 0,058 এ কেবল সীমান্ত-তাত্পর্যপূর্ণ। তবে এর বাইরে আমি কীভাবে Exp (B) মানটি ব্যাখ্যা করব? আমি লজিস্টিক রিগ্রেশন সম্পর্কিত একটি নিবন্ধ পড়েছিলাম (যা কিছুটা কক্স রিগ্রেশনের সাথে সমান?) যেখানে এক্সপ (বি) মানটি ব্যাখ্যা করা হয়েছিল: "উচ্চ-ঝুঁকির গ্রুপে থাকার ফলে ফলাফলের সম্ভাবনা 8 গুণ বৃদ্ধি পায়," যা এই ক্ষেত্রে মৃত্যু। আমি কি বলতে পারি যে আমার উচ্চ ঝুঁকিপূর্ণ রোগীদের মৃত্যুর চেয়ে 8 গুণ তার চেয়ে বেশি মারা যায় ... কি?
আমাকে সাহায্য করুন! ;)
যাইহোক আমি এসপিএসএস 18 ব্যবহার করে বিশ্লেষণ চালাচ্ছি।