Добрый день!
Прошу помощи в выборе метода.
В исследовании - 300 человек после воздействия НФ, 100 человек ГК. Цель: разработать критерии для прогноза развития заболеваний у лиц, которые имели воздействие НФ в анамнезе.
Независимы переменные - бинарные, связанные с интенсивностью и временем воздействия НФ, другие НФ в анамнезе.
Зависимая переменная - наличие/отсутствие заболевания. Анализ необходим по 18 нозологиям.
ДА позволил бы (?) выделить те переменные, которые могут прогнозировать развитие конкретного заболевания (каждого из 18-ти) в группе экспонирования. А как можно было бы прогнозировать развитие сочетанной патологии? Как можно было бы объединить результаты ДА по каждой нозологии, чтобы прогнозировать коморбидность?
Спасибо!
Это чистой воды задача машинного обучения. Концептуально все просто - multilabel (не путать с multiclass) классификация. Но на такой мизерной выборке не разгонишься, надо пробовать всякое и смотреть качество на кросс-валидации (leave-one-out подойдет лучше всего).
Из классических способов можно таблицы сопряжённости. Сводить в таблицы 2х2: НФ vs ГК, заболевание есть vs нет. По таблицам считать относительный риск (или отношения шансов если потом нужно сравнивать с результатами логистической регрессии). Конечно, по 18 нозологиям качественно не получится, но может парочка хорошо "выстрелит". Для нозологий с установленными значимыми различиями между НФ и ГК копаться дальше, а там уже как покатит. Для оценок эффекта интенсивности и времени НФ остаётся уже меньше материала (только 300). Здесь просится множественная логистическая регрессия, дисперсионный анализ (если ДА это он) в таком дизайне сейчас архаичен.
Спасибо! Да, простите, это был действительно дисперсионный анализ.
В результате мультиноминальной логистической регрессии получается уравнение, но для работы врачей ЛПУ по нему считать неудобно.
Актуальна ли еще байесовская модель прогноза с последовательным анализом Вальда с расчетом прогностических коэффициентов по выявленным НФ?
Форум Invision Power Board (http://www.invisionboard.com)
© Invision Power Services (http://www.invisionpower.com)