ЛОЖНЫЙ ТРЕНД И ЧАСТОТНЫЙ ПОДХОД К РЕГРЕССИИ. ПРИМЕР ИССЛЕДОВАНИЯ ПРОФЕССИОНАЛЬНОГО РИСКА
В эпидемиологических исследованиях заболеваемости персонала предприятий широко используется частотный (фишеровский) подход. Однако он эффективен только при большом количестве наблюдений, что не всегда возможно. Мощность исследований снижается, если имеется множество факторов риска и необходимо разли...
Saved in:
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Cifra Publishing House
2025-06-01
|
| Series: | Journal of Bioinformatics and Genomics |
| Subjects: | |
| Online Access: | https://journal-biogen.org/archive/2-28-2025-june/10.60797/jbg.2025.28.2 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | В эпидемиологических исследованиях заболеваемости персонала предприятий широко используется частотный (фишеровский) подход. Однако он эффективен только при большом количестве наблюдений, что не всегда возможно. Мощность исследований снижается, если имеется множество факторов риска и необходимо различать их по степени влияния. Применение байесовского подхода к анализу наблюдений позволяет отчасти преодолеть некоторые из ограничений, поскольку он объединяет измерение с математическим моделированием. В статье рассматриваются два таких алгоритма.Один из них сочетает байесовские оценки для страт с традиционными методами косвенной статистической регрессии, напоминающими алгоритм AMFIT взвешенный метод наименьших квадратов. Второй алгоритм позволяет получать прямые интервальные и центральные оценки относительного риска при попарном сравнении страт. Оба алгоритма частично устраняют систематические искажения оценок риска, вызванные небольшим (n < 7) количеством случаев в стратах. Результаты, полученные с их помощью, похожи и лучше выглядят, чем максимально правдоподобные частотные оценки. Алгоритмы основаны на непрерывных распределениях вероятности. Их работоспособность проверена на числовых примерах. |
|---|---|
| ISSN: | 2530-1381 |