tailieunhanh - Bài giảng Ứng dụng mô hình hồi quy tuyến tính: Tiên lượng

Nội dung của bài giảng trình bày xây dựng mô hình tiên lượng tỉ trọng mỡ; dùng BMA tìm mô hình tối ưu; xây dựng mô hình; kiểm tra mô hình tiên lượng, mô hình hồi quy tuyến tính đa biến. | Bài giảng Ứng dụng mô hình hồi quy tuyến tính: Tiên lượng Tuan V. Nguyen Senior Principal Research Fellow, Garvan Institute of Medical Research Professor, UNSW School of Public Health and Community Medicine Professor of Predictive Medicine, University of Technology Sydney Adj. Professor of Epidemiology and Biostatistics, School of Medicine Sydney, University of Notre Dame Australia Phân tích dữ liệu và ứng dụng | Đại học Dược Hà Nội | 12/6 to 17/6/2019 © Tuan V. Nguyen Nội dung • Mô hình hồi qui tuyến tính đa biến • Ứng dụng 1: đánh giá mối liên quan (association / assessment) • Ứng dụng 2: hiệu chỉnh cho yếu tố nhiễu (adjustment) • Ứng dụng 3: mô hình tiên lượng (prediction) Xây dựng mô hình tiên lượng tỉ trọng mỡ • Để đo tỉ trọng mỡ (pcfat), cần phải có máy DXA (đắt tiền) • Có thể xây dựng một mô hình tiên lượng pcfat chỉ cần dùng các yếu tố 'thường qui' (có thể thu thập từ bệnh nhân) • Các biến thuờng qui: giới tính (gender), chiều cao (height), cân nặng (weight), tỉ trọng cơ thể (bmi), tuổi (age) • Giải pháp: mô hình hồi qui tuyến tính Xây dựng mô hình tiên lượng tỉ trọng mỡ • Bước 1: Phân tích khai thác (exploratory analysis) • Bước 2: Tìm các biến liên quan (có giá trị thống kê) • Bước 3: Chia dữ liệu thành 2 nhóm: development và validation • Bước 4: Phát triển mô hình dựa vào biến bước 2 trên nhóm development • Bước 5: Kiểm tra mô hình ở bước 5 trên nhóm validation Bước 1: Phân tích mô tả / khai thác # Các biến có thể liên quan dat = ob[, c("gender", "weight", "height", "bmi", "age", "pcfat")] library(GGally) ggpairs(dat) Bước 2: Dùng BMA tìm biến liên quan > head(ob) id gender height weight bmi age WBBMC wbbmd fat lean pcfat 1 1 F 150 49 53 1312 17802 28600 2 2 M 165 52 65 1309 8381 40229 3 3 F 157 57 64 1230 19221 36057 4 4 F 156 53 56 1171 17472 33094 library(BMA) yvar

TỪ KHÓA LIÊN QUAN
crossorigin="anonymous">
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.