آموزش مدل آماری آمیخته خطی چندمتغیره در داده های طولی چندگانه به دانشجویان پزشکی: مطالعه موردی داده های رشد کودکان
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 117
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_EDJ-13-1_003
تاریخ نمایه سازی: 12 شهریور 1401
چکیده مقاله:
پژوهش حاضر با هدف آموزش مدل آماری آمیخته خطی چندمتغیره در داده های طولی چندگانه به دانشجویان پزشکی: مطالعه موردی داده های رشد کودکان انجام شده است. روش پژوهش توصیفی-تحلیلی و بر پایه داده های طولی بود. جامعه آماری پژوهش شامل ۱۰۰ دانشجو بود که به طور تصادفی انتخاب و در دو کارگاه آموزش مبتنی بر مدلسازی آماری توزیع های تی و نرمال آمیخته خطی چندمتغیره بر پایه داده های رشد کودکان (قد، وزن و اندازه دور سر) شرکت کردند. شرکت کنندگان قبل و بعد از دوره آموزشی در یک آزمون عملی شرکت نمودند. از میانگین و انحراف معیار و مدل بندی آماری آمیخته خطی چندمتغیره توزیع تی و نرمال برای تحلیل داده ها استفاده شد. نتایج حاصل از پژوهش نشان داد که مقدار پارامترهای متغیر قد بر حسب مدلهای MtLMM و MnLMM برای نوزادانی که از شیر مادر تغذیه می کنند به طور قابل توجهی بالاتر از شیر خشک بوده (۰.۰۵ < P). همچنین برآورد پارامترهای متغیر وزن برای نوزادانی که از شیر ترکیبی استفاده میکنند در مقایسه با نوزادانی که فقط شیر خشک مصرف میکنند به طور قابل توجهی بالاتر (۰.۰۵ < P) بود. آموزشهای ارائه شده به دو گروه منجر به افزایش معنی داری در یادگیری دانشجویان شد (۰.۰۵ < P). دانشجویان بیان کردند که آموزش مدل آماری آمیخته چندمتغیره در داده های طولی باعث آشکارشدن اهمیت کاربرد این مدل در تحقیقات پزشکی و علوم زیستی گردید.
کلیدواژه ها:
نویسندگان
مریم مرادی
دانشجوی دکتری آمار، گروه آمار، دانشکده علوم پایه، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
کامبیز احمدی انگالی
عضو هیئت علمی
محمدحسن بهزادی
عضو هیئت علمی، گروه آمار، دانشکده علوم پایه، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
رحمان فرنوش
عضو هیئت علمی، گروه آمار، دانشگاه علم و صنعت ایران، تهران، ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :