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

Aby pomóc szpitalowi w zarządzaniu zasobami i pacjentami, niezwykle ważne jest modelowanie długości pobytu. Najnowsze badania i praktyka w dziedzinie zdrowia mają w dużej mierze charakter empiryczny i opierają się na danych pierwotnych. Jest to niezwykle ważne, po pierwsze, ponieważ planiści opieki zdrowotnej zazwyczaj opierają się na danych w celu ustalenia trendów i wzorców obciążenia chorobami na poziomie krajowym lub regionalnym. Po drugie, epidemiolodzy polegają na danych, aby zbadać możliwe czynniki ryzyka choroby. Jednak w ostatnich latach coraz większe znaczenie w takich przedsięwzięciach okazuje się wykorzystywanie danych rutynowych lub wtórnych. Różne jednostki w systemach opieki zdrowotnej gromadziły takie dane przede wszystkim w ramach procesu nadzoru, monitorowania i oceny. Dane takie są czasami okresowo uzupełniane zbiorami danych z badań reprezentacyjnych na próbach populacyjnych. Po trzecie, dzięki narzędziom statystycznym specjaliści ds. zdrowia publicznego mogą analizować dane dotyczące zdrowia i tchnąć życie w dane, które mogą okazać się bezsensowne. Głównym celem tej książki jest przedstawienie i zaprezentowanie zaawansowanego modelowania danych z badań rutynowych lub wtórnych. Badania pokazują, że do zrozumienia wyników badań nad zdrowiem potrzebna jest znajomość i umiejętność posługiwania się statystyką. Pojawienie się przyjaznych dla użytkownika pakietów statystycznych w połączeniu z mocą obliczeniową i powszechną dostępnością danych dotyczących zdrowia publicznego spowodowało, że w literaturze pojawiło się więcej badań epidemiologicznych. Analiza danych wtórnych wiąże się jednak z pewnymi wyjątkowymi wyzwaniami. Są to najszerzej opisywana literatura dotycząca zdrowia, której dotychczas nie udało się rozpoznać, co doprowadziło do nieprawidłowych analiz i błędnych wniosków. W tej książce przedstawiono zastosowanie zaawansowanych technik statystycznych do rzeczywistych przykładów pochodzących z danych z badań rutynowych lub wtórnych. Zasadniczo są to zbiory danych, w opracowywanie których zaangażowało się dwóch redaktorów, i które pokazują, jak stawić czoła tym wyzwaniom. Niektóre z tych wyzwań to: złożony projekt doboru próby w badaniach, hierarchiczny charakter danych, zależność danych w klastrze objętym próbą oraz brakujące dane i wiele innych wyzwań. Wykorzystując dane z systemu informacji o zarządzaniu zdrowiem (HMIS) oraz badania demograficznego i zdrowotnego (DHS), zapewniamy różne podejścia i techniki radzenia sobie ze złożonością danych oraz sposobami postępowania z danymi skorelowanymi lub grupowanymi. W każdym rozdziale przedstawiono przykładowy kod, który można wykorzystać do analizy podobnych danych w R, Stata lub SPSS. Aby książka była bardziej zwięzła, umieściliśmy kody na stronie internetowej książki. Książka omawia cztery główne tematy z zakresu badań nauk o zdrowiu: (i) modelowanie równań strukturalnych, (ii) modelowanie przestrzenne i czasoprzestrzenne, (iii) skorelowane lub skupione modelowanie kopuł oraz (iv) analiza przeżycia. Książka może mieć wpływ na metodologów, w tym studentów podejmujących studia magisterskie lub doktoranckie, a także innych badaczy poszukujących odniesienia do analizy ilościowej w dziedzinie zdrowia publicznego lub nauk o zdrowiu lub innych obszarach, w których dane o podobnym charakterze miałyby zastosowanie. Ponadto książka może być źródłem informacji dla specjalistów zajmujących się zdrowiem publicznym zainteresowanych podejściami ilościowymi do odpowiedzi na pytania natury epidemiologicznej. Każdy rozdział rozpoczyna się motywującym wprowadzeniem, przeglądem metod statystycznych, analiz i wyników, a kończy dyskusją i możliwymi rekomendacjami.