타임 라인 분석

몇 년의 출생 코호트 (예 : http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2908417/ )의 데이터를 사용하여 개인의 출생 순서와 나중에 비만의 위험 사이의 관계에 대한 연구를 진행하고 있습니다.

주요 과제는 출생 순서가 모체 연령, 젊고 나이 많은 형제 자매 수 및 출생 간격과 같은 다른 기능과 연결되어 있으며 다른 메커니즘을 통해 결과에 영향을 줄 수도 있습니다. 또한, 이러한 것들이 나중에 비만 위험에 미치는 영향은 "지식 아동"(출생 코호트의 참가자)을 포함하여 형제들의 성별 구성에 의해 수정 될 수 있습니다.

각 인덱스 아동에 대해 가족의 모든 출생을 보여주는 타임 라인을 그릴 수 있으며, 모체 연령은 시간 변수에 따라 달라질 수 있습니다.

이벤트의 순서, 타이밍 및 특성이 모두 중요 할 수있는 이러한 종류의 데이터를 분석하는 방법을 식별하려고합니다. 나는 회원들이 함께 일하는 다양한 응용 프로그램 때문에이 질문을하고 있습니다-누군가를 식별하는 데 더 오래 걸리는 즉각적인 제안이 있다고 생각합니다. 올바른 방향으로 조금이라도 감사하겠습니다.

관련 질문 : 여성의 출생 간격에 대한 데이터를 어떻게 분석해야합니까?

다단계 모형 (혼합 회귀)을 사용하여 군간 및 군내 효과를 추정 할 수 있습니다. 가능한 전략 중 하나는 계획된 계층 적 모델 구축 방법을 사용하는 것입니다. 예를 들어 일 변량 모델에서 각 잠재적 예측 변수를 테스트합니다. 가족 간 효과가 출생 순서 효과를 제거하면 출생 순서가 중요하지 않지만 다른 영향이 있음을 강력하게 제안합니다. IQ에 대한 출생지시 효과에 대한 인용의 예 :

• Wichman, AL, Rodgers, J., & MacCallum, RC (2006). 출생 순서와 지능의 관계에 대한 다단계 접근 . 성격과 사회 심리학 게시판 , 32 (1), 117-127. 도이 : 10.1177 / 0146167205279581

도움이 되었기를 바랍니다.

통계적인 질문으로이 문제에 접근하고 있으며 의료 문제에 대한 특별한 지식이 없습니다.

내가 언급 한 기사를 보면 한 집단에 970 명이 포함되어 있음을 알 수 있습니다. 대략 같은 크기의 여러 집단에 대한 데이터가있는 경우 데이터 세트의 전체 크기는 각 개인의 타임 라인이 특정 조건을 충족하는 합리적으로 큰 하위 집합을 선택할 수있는 기회를 제공합니다. 예를 들어, 하위 집합에는 모성 연령이 25-29 세인 모든 남성 개인이 포함될 수 있습니다. 그러한 하위 집단에 대해, 출생 순서에 대한 추후 비만의 적절한 척도의 회귀는 지표 아동의 성별 차이의 비만에 대한 가능한 영향을 제거하고 모체 연령의 가능한 영향을 크게 제거 할 것이다.

하위 집합에 대한 한 가지 조건이 예를 들어 인덱스 하위에 나이가 더 많은 여성 형제가있는 경우 인덱스 하위 자체가 가장 큰 하위가 아니라는 것을 의미하므로 범위를 좁히기 때문에이 접근 방식을 형제의 성별로 확장하는 것은 간단하지 않습니다. 회귀 분석에서 독립 변수의 그러나이 방법을 사용하면 "있는 경우"를 사용하여 조건을 정의 할 수 있습니다. 예를 들어, 25-29 세의 모성 및 모든 형제 자매가있는 여성 (있는 경우)을 포함하는 모든 남성 개인을 포함하도록 하위 집합을 정의 할 수 있습니다. 그러한 하위 집합에는 여전히 모든 출생지시를 가진 개인이 포함됩니다.

부분 집합이 너무 복잡한 조건 세트로 정의 된 경우 포함 된 개인의 수가 너무 작아서 계수의 결과 추정값이 너무 부정확하여 유용하지 않을 수 있습니다. 만약이 접근법이 채택된다면, 가능한 많은 효과를 제거하고 유용한 결과를 산출하기에 충분한 개인을 포함시키는 것 사이에서, 부분 집합을 정의함에있어 판단상의 절충이 필요할 것이다.

기능적 데이터 분석을 제안하지만 합리적인 추정치를 얻기에는 자녀가 너무 적은 가족이 많을 것으로 생각됩니다. 그래도 필요에 따라 계속 읽어보십시오. 아마도 누군가가 이미 비슷한 데이터로 그것을 사용했을 것입니다.

파라 메트릭 이외의 작업을 원하지 않으면 임상 전문 지식을 사용하여 데이터의 차원을 줄여야합니다. 예를 들어, 모델의 한 변수는 자식 수이고 다른 변수는 자식 사이의 평균 년 수 등일 수 있습니다. 이러한 변수에 영향이있는 경우 기능 양식을 즉시 지정하지 않은 경우에도 표시 될 수 있습니다. 더 많은 지식 중심 모델 구축을 통해 매우 예측 가능한 모델을 구축 할 수 있습니다. 검증 세트를 유지해야합니다!