محمود رضا گوهری - Department of Statistics, Iran University of Medical sciences, Tehran, Iran.
محمود محمودی - Department of Statistics, Iran University of Medical sciences, Tehran, Iran.
کاظم محمد - Department of Statistics, Iran University of Medical sciences, Tehran, Iran.
عین اله پاشا - Department of Statistics, Tarbiat Moalem University, Tehran, Iran.

داده های بازگشتی یکی از انواع مهم داده های بقا هستند که ویژگی عمده آنها همبستگی بین مشاهدات است. این ویژگی استفاده از مدل های بقا مانند رگرسیون کاکس که در آنها مستقل بودن مشاهدات یکی از فرضیات اصلی مدل است را ناممکن می سازد. مدل های شکنندگی یکی از رویکردهای عمده برای تحلیل داده های بازگشتی هستند. در این مدل ها یک متغیر شکنندگی ثابت به عنوان اثر خصوصیات فردی یا نماینده همه عواملی که سبب وابستگی بین مشاهدات می شوند به صورت ضربی وارد تابع خطر می شود. در مقاله حاضر یک مدل شکنندگی با اثر تصادفی وابسته به زمان بر مبنای مدل های خطر نیمه پارامتری کاکس و با مولفه های شکنندگی که دارای فرآیند گامای تکه ای هستند معرفی شده و کارآیی آن در یک مطالعه شبیه سازی با یک مدل شکنندگی گاما با اثرات ثابت مقایسه گردیده است.

Recurrent Events, Frailty Model, Mixed Poisson Processes., پیشامد بازگشتی, مدل شکنندگی, فرآیند پوآسن آمیخته.