Statistical Modelling of Complex Correlated and Clustered Dat... - 9781536159813

Selleks, et aidata haiglal oma ressursse ja patsiente hallata, on haiglas viibimise pikkuse modelleerimine väga oluline. Hiljutised tervisestipendiumid ja -praktika on jäänud suures osas empiiriliseks, tuginedes esmastele andmetele. See on kriitilise tähtsusega esiteks seetõttu, et terviseplaneerijad tuginevad üldiselt andmetele, et teha kindlaks haiguskoormuse suundumused ja mustrid riiklikul või piirkondlikul tasandil. Teiseks sõltuvad epidemioloogid andmetest, et uurida haiguse võimalikke riskitegureid. Kuid tavapäraste või teiseste andmete kasutamine on viimastel aastatel osutunud sellistes ettevõtmistes üha olulisemaks. Erinevad tervishoiusüsteemide üksused kogusid selliseid andmeid peamiselt seire-, seire- ja hindamisprotsessi osana. Selliseid andmeid täiendatakse mõnikord perioodiliselt rahvastikupõhiste valikuuringu andmekogumitega. Kolmandaks saavad rahvatervise spetsialistid koos statistiliste vahenditega analüüsida terviseandmeid ja anda elu neile, mis võivad osutuda mõttetuks. Selle raamatu põhirõhk on rutiinsete või teiseste uuringuandmete täiustatud modelleerimise esitlemisel ja tutvustamisel. Uuringud näitavad, et terviseuuringute tulemuste mõistmiseks on vaja statistilist kirjaoskust ja teadmisi. Kasutajasõbralike statistikapakettide tulek koos arvutusvõimsusega ja rahvatervise andmete laialdane kättesaadavus tõi kaasa rohkem kajastatud epidemioloogilisi uuringuid kirjanduses. Sekundaarsete andmete analüüsil on aga mõned ainulaadsed väljakutsed. Need on kõige laialdasemalt kajastatud tervisealane kirjandus, mida pole seni tuvastatud, mille tulemuseks on sobimatu analüüs ja ekslikud järeldused. See raamat tutvustab täiustatud statistiliste tehnikate rakendamist reaalsete näidete puhul, mis pärinevad rutiinsetest või teisestest uuringuandmetest. Need on sisuliselt andmestikud, milles on osalenud kaks toimetajat, näidates, kuidas nende väljakutsetega toime tulla. Mõned neist väljakutsetest on järgmised: uuringute keeruline valimi ülesehitus, andmete hierarhiline olemus, andmete sõltuvus valimi klastris ja andmete puudumine paljude muude probleemide hulgas. Kasutades tervisejuhtimise teabesüsteemi (HMIS) ning demograafilise ja terviseuuringu (DHS) andmeid, pakume erinevaid lähenemisviise ja tehnikaid andmete keerukuse käsitlemiseks ning korrelatsiooni- või rühmitatud andmete käsitlemiseks. Igas peatükis on näide koodist, mida saab kasutada sarnaste andmete analüüsimiseks R, Stata või SPSS-is. Et raamat oleks sisutihedam, oleme koodid esitanud raamatu kodulehel. Raamat käsitleb nelja peamist teemat terviseteaduse uurimisvaldkonnas: (i) struktuurvõrrandite modelleerimine, (ii) ruumiline ja ruumilis-ajaline modelleerimine, (iii) korreleeritud või rühmitatud koopulade modelleerimine ja (iv) ellujäämise analüüs. Raamat võib avaldada mõju metoodikutele, sealhulgas magistri- või doktoriõppes õppivatele üliõpilastele, aga ka teistele teadlastele, kes otsivad seonduvat viidet kvantitatiivsele analüüsile rahvatervises või terviseteadustes või muudes valdkondades, kus sarnase iseloomuga andmeid saaks kasutada. Lisaks võib raamat olla ressurss rahvatervise spetsialistidele, kes on huvitatud kvantitatiivsetest lähenemisviisidest, et vastata epidemioloogilise iseloomuga küsimustele. Iga peatükk algab motiveeriva tausta, statistiliste meetodite, analüüsi ja tulemuste ülevaatega, lõpetades arutelu ja võimalike soovitustega.