Applied Mixed Models in Medicine

نسخه کاملاً به روز شده این متن کلیدی در مدل های ترکیبی، با تمرکز بر کاربردها در تحقیقات پزشکی

کاربرد مدل های ترکیبی به طور فزاینده ای روش رایج برای تجزیه و تحلیل داده های پزشکی، به ویژه در صنعت داروسازی. یک مدل ترکیبی اجازه می دهد تا متغیرهای ثابت و تصادفی را در یک تجزیه و تحلیل آماری گنجانده و استنتاج های کارآمد و اطلاعات بیشتری را از داده ها به دست آورد. اخیراً پیشرفت‌های زیادی در مدل‌سازی ترکیبی، به‌ویژه در مورد نرم‌افزار و برنامه‌های کاربردی، صورت گرفته است. این نسخه سوم از متن پیشگامانه براون و پرسکات، به‌روزرسانی‌هایی را در مورد آخرین پیشرفت‌ها ارائه می‌کند و شامل راهنمایی در مورد استفاده از تکنیک‌های SAS فعلی در طیف گسترده‌ای از برنامه‌ها است.

مروری بر تئوری و کاربردهای مدل‌های ترکیبی در تحقیقات پزشکی، از جمله آخرین پیشرفت‌ها و بخش‌های جدید در مورد طرح‌های بلوک ناقص و تجزیه و تحلیل داده‌های دو طرفه را ارائه می‌دهد.
• به راحتی برای پزشکان در هر منطقه‌ای که ترکیبی هستند قابل دسترسی است. مدل‌هایی از جمله آماردان‌های پزشکی و اقتصاددانان استفاده می‌شود.
• شامل نمونه‌های متعددی با استفاده از داده‌های واقعی از تحقیقات پزشکی و سلامت و اپیدمیولوژی است که با کد SAS و خروجی نشان داده شده است.
• ویژگی‌های نسخه جدید را دارد. از SAS، شامل گرافیک های جدید برای تشخیص مدل و روش PROC MCMC.
• پشتیبانی شده توسط یک وب سایت حاوی کد رایانه، مجموعه داده ها، و مطالب بیشتر.

<// p>

این ویرایش سوم برای آماردانان کاربردی شاغل در تحقیقات پزشکی و صنعت داروسازی و همچنین معلمان و دانشجویان دوره های آمار در مدل های ترکیبی جذاب خواهد بود. این کتاب همچنین برای طیف وسیعی از دانشمندان، به ویژه کسانی که در زمینه های پزشکی و دارویی کار می کنند، ارزش زیادی خواهد داشت.

A fully updated edition of this key text on mixed models, focusing on applications in medical research

The application of mixed models is an increasingly popular way of analysing medical data, particularly in the pharmaceutical industry. A mixed model allows the incorporation of both fixed and random variables within a statistical analysis, enabling efficient inferences and more information to be gained from the data. There have been many recent advances in mixed modelling, particularly regarding the software and applications. This third edition of Brown and Prescott’s groundbreaking text provides an update on the latest developments, and includes guidance on the use of current SAS techniques across a wide range of applications.

• Presents an overview of the theory and applications of mixed models in medical research, including the latest developments and new sections on incomplete block designs and the analysis of bilateral data.
• Easily accessible to practitioners in any area where mixed models are used, including medical statisticians and economists.
• Includes numerous examples using real data from medical and health research, and epidemiology, illustrated with SAS code and output.
• Features the new version of SAS, including new graphics for model diagnostics and the procedure PROC MCMC.
• Supported by a website featuring computer code, data sets, and further material.

This third edition will appeal to applied statisticians working in medical research and the pharmaceutical industry, as well as teachers and students of statistics courses in mixed models. The book will also be of great value to a broad range of scientists, particularly those working in the medical and pharmaceutical areas.