کاربرد مدل های شرطی و شکنندگی بقا برای تحلیل زمان های وقوع عودهای بازگشتی بیماران مبتلا به اسکیزوفرنیا

داده های پیشامدهای بازگشتی در مطالعات طولی که هر فرد ممکن است پیشامد مورد نظر را بیش از یک بار تجربه کند به کار می رود. به عنوان مثالی از این داده ها می توان به عودهای بازگشتی اسکیزوفرنیا اشاره کرد. در این حالت بین زمان وقوع پیشامدها برای هر فرد ممکن است همبستگی وجود داشته باشد. همبستگی ناشی از دو علت می باشد؛ 1- ناهمگنی بین افراد، در هر مطالعه ای در برخی از افراد به علت اثرهای ناشناخته یا غیر قابل اندازه گیری، نرخ وقوع پیشامد بالاتر یا پایین تر از افراد دیگر می باشد. 2- همبستگی بین پیشامدها، تکرار یک پیشامد می تواند احتمال وقوع پیشامدهای بعدی را افزایش دهد. در این تحقیق چند مدل را که در هنگام وجود ناهمگنی بین افراد و همبستگی بین پیشامدها به کار می رود، برای تحلیل داده های حاصل از عودهای بازگشتی بیماران مبتلا به اسکیزوفرنیا بستری در مرکز آموزشی-درمانی رازی به کار برده و آن ها را باهم مقایسه کرده ایم. در بسیاری از روش های موجود در تحلیل داده های پیشامدهای بازگشتی به براورد تابع مخاطره به عنوان تابعی از مقیاس زمان کل (زمان از شروع پیگیری تا وقوع پیشامد مورد نظر) پرداخته می شود. در بعضی دیگر از روش ها از مقیاس زمان gap (زمان بین دو پیشامد متوالی) استفاده می شود. در این تحقیق به برازش مدل های شکنندگی بر اساس مقیاس زمان کل و مقیاس زمان gap که از اثرهای تصادفی برای ارزیابی ناهمگنی استفاده می کنند، می پردازیم. برای ارزیابی همبستگی پیشامدها نیز از تحلیل های شرطی مبتنی بر مدل نیمه پارامتری مخاطرات متناسب کاکس و مدل پارامتری لگ نرمال شرطی استفاده می کنیم. تحلیل های شرطی شامل برازش مدل های شرطی نوع اول، شرطی نوع دوم، مدل رگرسیونی شرطی مبتنی بر مدل مخاطرات متناسب و بر اساس زمان gap و مدل رگرسیونی شرطی مبتنی بر مدل پارامتری لگ-نرمال و بر اساس زمان gap می باشد. در بین مدل های شکنندگی، مدل شکنندگی با مقیاس زمان کل بر اساس مقدار ضریب تعیین بیشتر و در بین مدل های شرطی، مدل شرطی نوع اول بر اساس معیار اطلاع آکائیک کمتر برای تحلیل داده های عودهای بازگشتی بیماران مبتلا به اسکیزوفرنیا بستری در مرکز آموزشی-درمانی رازی پیشنهاد می شوند. از نرم افزارهای r نسخه 2.11.0 و sas نسخه 9.1 برای برازش مدل ها و تجزیه و تحلیل داده ها استفاده شده است.