שיטה של ​​טריגונומטריות מידול של וריאציה עונתית הפגין עם טרשת נפוצה Relapse נתונים

Summary

Combining plot analysis with trigonometric regression is a robust method for exploring complex, cyclical phenomena such as relapse onset timing in multiple sclerosis (MS). This method enabled unbiased characterisation of seasonal trends in relapse onset permitting novel inferences around the influence of seasonal variation, ultraviolet radiation (UVR) and latitude.

Abstract

This report describes a novel Stata-based application of trigonometric regression modelling to 55 years of multiple sclerosis relapse data from 46 clinical centers across 20 countries located in both hemispheres. Central to the success of this method was the strategic use of plot analysis to guide and corroborate the statistical regression modelling. Initial plot analysis was necessary for establishing realistic hypotheses regarding the presence and structural form of seasonal and latitudinal influences on relapse probability and then testing the performance of the resultant models. Trigonometric regression was then necessary to quantify these relationships, adjust for important confounders and provide a measure of certainty as to how plausible these associations were. Synchronization of graphing techniques with regression modelling permitted a systematic refinement of models until best-fit convergence was achieved, enabling novel inferences to be made regarding the independent influence of both season and latitude in predicting relapse onset timing in MS. These methods have the potential for application across other complex disease and epidemiological phenomena suspected or known to vary systematically with season and/or geographic location.

Introduction

הצורה הנפוצה ביותר של טרשת נפוצה (MS) היא התקפית טרשת נפוצה (RRMS). RRMS מאופיין בהידרדרות של אפיזודי בתפקוד נוירולוגים, ואחריו התאוששות חלקית או מלאה. בעולם, השכיחות והשכיחות של טרשת נפוצה יגדלו עם הגדלת מרחק מהקו המשווה בשתי ההמיספרות. ^1-3 בין אם התדירות של אירועים המתרחשות הישנות במיוחד בRRMS גם להשתנות עם קו רוחב, ואם יש וריאציה עונתית בסיסית בכל כגון עמותה, עדיין לא ברורה. ללימודי תאריך לחקור עונתיות בעיתוי הנסיגה היו מוגבל למרכזים קליניים יחידים, הגבלה כל מסקנות לגבי מגמות עונתיות בעיתוי נסיגה למיקומים גיאוגרפיים בודדים והשפעות רוחב רחבות יותר ובכך הצליחו לחקור. ^4-14 מחקרים אלה היו מוגבלים עוד יותר על ידי מדגם קטן גדלים ונתונים הישנות דלילים. 2000 מטה-אנליזה של מחקרים עשרה ממרכזים קליניים בEurאופ, ארצות הברית וקנדה, שבו כל מחקר כלל מינימום של שלושים מקרי דיווח העונה של הופעה של התקפים, תיארו מגמה עונתית ברורה בעיתוי של תחילת הישנות, עם התקפים הגיעו לשיא באביב ובחורף עם שוקת ⁴ . מגמות שנתיות מחזוריות דומות בתחילה נצפו שבלאחר מכן, אם כי קטנים יותר, מחקרים בשני ¹⁵ יפן וספרד ^16. עם זאת, מחקר ארצות הברית דומה נכשל לאשש את הדפוס הזה ^17. עד כה, מחקרים ותצפיות אלה היו מוגבלים לחצי הכדור הצפוניים. קבוצת מחקר MSBase לאחרונה ניתחה במערך גלובלי גדול של התקפי טרשת נפוצה על פני שני אונות הצפוניות והדרומיות לחקור מגמות עונתיות בעיתוי של תחילת הישנות בנוסף להשפעות רוחב על הקשר בין ההסתברות להישנות שיא וקרינת אולטרה סגולה עונתית שוקת (UVR) ¹⁸ . מרכז לשיטות אלה היה היישום של רגרסיה טריגונומטריותלדמיין ולהעריך מגמות בעיתוי של הפצות תחילת וUVR הישנות.

המטרה הכללית של מחקר זה הייתה לבחון את ההשערה כי וריאציה זמנית בעיתוי של תחילת הישנות בMS מגוונת צפויה עם עונה בשני ההמיספרות הצפוניות והדרומיות ועונתיות זו הושפעה קו רוחב. הרציונל לשימוש במודלים טריגונומטריות לחקור שאלות אלה היה הגמישות שלה לאפיון תופעות שתיים או שלושה ממדים שידועים או חשודים לתאר צורות או תבניות בדידות, צפויות ועקביות, כגון המחזור השנתי של נקודתי שיא ושפלים נפוץ פונקציות טריגונומטריות נצפו בעונתיות בעל תופעות ביולוגיות או אפידמיולוגיים. ^19-22 חסרון של זמן סדרה קונבנציונלית ניתוחים, כולל ניתוח פורייה, הוא ההנחה שסידרת הזמן לעתים קרובות מאופיינת בתהליכים סטוכסטיים. ^21,23,24 לעומת זאת, שילוב אניn כדי מודל סוג רגרסיה יש את היתרון של שני חיפושי הקלה של מבנים קבועים ושיטתיים בנתונים תקופתיים תוך ניצול מבנה מודל רגרסיה לחקור קושרת אחרת או להתאים לערפלנים של עונתיות.

רגרסיה טריגונומטריות כבר בעבר בשימוש נרחב בספרות הרפואית אפידמיולוגיים לחקור זמניות בנושאים כמו זיהוי מגוון זיהומיות פרוץ מחלה, את התפקיד של מקצבי היממה בכל דבר מתפקוד לקוי של מערכת עצבים אוטונומי להיפרדות שליה פגים ועד לקושרת עונתית של מומים מולדים ואת העיתוי מצגות של תאונה וחירום. ^25-32 דוגמנות כזה בדרך כלל דורשת גודל מדגם גדול יותר יותר זמן סדרה קונבנציונלית מנתח וככזה זה בפעם הראשונה זה הוחל במערך גלובלי של תחילת הישנות טרשת נפוצה. רגרסיה טריגונומטריות כפי שתואר כאן היא הכלי מתאים לחוקרים לחקור כל phenomena אשר ידוע או חשוד ברכיבה על אופניים באופן שיטתי לאורך זמן. לא רק יכול לאפיין עזרה דוגמנות כזה ולדמיין את הדפוסים הללו, זה עוד יותר מאפשר למשתמש לחקור נהגים וקושרת של מגמות אלה פוטנציאל.

לגבי הדוגמא הספציפית של תחילת MS הישנות שהוצגה כאן, השימוש בפיזור ומגרשים שייר לדמיין ולהעריך באיזו מידת צורת מודל טריגונומטריות השערה מתאימה לנתונים מהווים שלב הקריטי בקביעה: 1) האם הנתונים שנצפו לספק ראיות מספיקות כדי לתמוך ב השערה של עונתיות או מגמות זמניות אחרות בעיתוי של תחילת הישנות; ו 2) האם התדירות וההסדר של פונקציות סינוס וקוסינוס שמגדירים מודל טריגונומטריות מסוים הוא מספיק כדי לאפשר שימוש במודל זה למסקנה וחיזוי שלאחר מכן. המודלים רגרסיה גם מאפשרים שליטה לערפלנים חשובים של כל השפעה עונתית או רוחב נצפית כגון רמה-מטופלנטיות להישנות, במיוחד גורמים אשר בעצמם בזמן שונים כגון משך חשיפה טרום-הישנות לתרופה שינוי המחלה טיפול (DMD). יש מנבאי בידוד גיאוגרפיים וזמן עצמאיים וקושרת של עיתוי תחילת הישנות בMS הפוטנציאל להנחות חקירה ביולוגית למנגנונים של אירועי הישנות אשר בתורו יכול להודיע ​​הפיתוח של התערבויות טיפול העתידיות שמטרתם למנוע או לעכב החרפת מחלה.

MSBase הרישום

חולי טרשת נפוצה תורמים נתונים הישנות לניתוח זה היו שמקורו מן רישום MSBase הבינלאומי. הוקם בשנת 2004, הרישום longitudinally מרכז את פעילות דמוגרפית, מחלה, בדיקה קלינית ומאפייני חקירה ומדדים מהסכמת חולים להשתתף מרפאת טרשת נפוצה באמצעות מערכת מבוססת אינטרנט, ומופעל בבעלות רופא. ³³ מרכזי חבר מעקב protoc נפוץol המגדיר את בסיס הנתונים המינימליים הנדרשים ליועל במרווחי זמן קבועים הסכים להבטיח נתונים תוצאה כגון אירועי הישנות מופקים באופן עקבי ולהבא. מועד תחילת הישנות כלול כמשתנה מערך מינימום חובה. בנוסף נתונים קליניים רלוונטיים הקשורים לאירועי הישנות אלה נאספים בדרך כלל כוללים מערכת תפקודית המושפעת טיפול בסטרואידים ו. השימוש במערכת iMed הנפוצה הזנת נתונים נוספת מבטיח גישה אחידה על פני מרכזים לאיסוף נתונים ודיווח. פרויקט זה מחזיק אישור ועדת האתיקה מחקר אדם או פטור בכל מרכז תורם. הסכמה מדעת לפי חוקים מקומיים מכל החולים שנכללה בניתוח הוא חובה.

קריטריונים להכללה

סך של 9811 חולים תורמים 32762 אירועי הישנות נכלל בניתוח. MS הקליני מרכזי עם מינימום של 20 חולים רשומים הסכים, uploaded ומעקב ברישום ל1 ^{בדצמבר,} 2013 (מועד איסוף הנתונים) היו זכאי להיכלל בניתוח. כדי להבטיח את כל אירועי ההישנות נכללו בניתוח נצפו מכאן ולהבא, רק להרע יום onsets לאחר הערכת הנכות הראשונה נרשמה מטופל (באמצעות ציון Kurtzke נכות מורחבת סטטוס (EDSS)) נכללו בניתוח. כל החולים תורמים נתונים הישנות לניתוח מרוצים קריטריונים לאבחון פורמליים לטרשת נפוצה. ^34,35

מדדי תוצאה

מחקר זה נחשב שתי תוצאות עיקריות: 1) אם יש וריאציה זמנית בהסתברות של תחילת הישנות ברמה של המיקום הגיאוגרפי, בחצי הכדור ו / או בעולם; ו 2) האם יש קשר בין רוחב והפיגור, בחודשים, בין העיתוי של שוקת UVR עונתית ותאריך ההסתברות להישנות שיא שלאחר מכן. ההיפותזה קבוצת MSBase הלימודגודל שרמות הוויטמין D מוחלטות כנמוכות יותר באזורים מרוחקים יותר מnadirs ויטמין D ברמת אוכלוסייה עונתי קו המשווה ומיקום ספציפי סביר הגיעו קודם לכן בעקבות היפוך החורף במקומות דיסטלי כזה, אז ההשפעה של הרמות נמוכה של ויטמין D על MS המוגבר הסתברות להישנות הייתה דומה לתאר דפוסים זמניים ורוחב כזה.

הגדרה ותאריכים הישנות

הישנות הוגדרה כמופע של סימפטומים או החמרה של סימפטומים קיימים מתמידים לפחות 24 שעות, בהעדר מחלה או חום במקביל חדשים, ומתרחשת לפחות 30 ימים לאחר פיגוע קודם. הגדרה זו בעבר יושמה בניתוח פנוטיפ הישנות MSBase. ³⁶ תקופת המעקב לכל מטופל זכאי על פני שאירועי הישנות יכולים להיבחן הוגדרו כתקופת נמשכי מועד הערכת EDSS הראשונה ועד למועד האחרוןהערכת EDSS נרשמה במרשם לפני נתונים של תמצית נתונים והידור. במקרים שבם ביום תחילת הישנות המדויק לא היה זמין או אינו מסוגל ייקבעו לחודש מסוים, מרפאות המשמשות גם ^-1 או 15 יום ^ה של החודש כתאריכי ברירת מחדל. של הישנויות 32762 ניתחו בדוח זה, 7913 (24.2%) ו4594 (14.0%) נרשמו ביום ^{ה -1} ו -15 לחודש בהתאמה, גבוה משמעותי מהפרופורציות נרשמו בכל יום אחר בחודש שנע מ0.8% בשיעור של 5.6%. כדי לתקן את זה, התקפים שנרשמו בשני ^-1 15 יום ^ה של החודש חולקו באקראי ליום בתוך מרווח של 15 יום משני צדדים של שני תאריכים אלה ברירת המחדל. התוקף הפנימי של גישה זו אושר באמצעות ניתוחי רגישות שהראה שהערכת המודל של תאריך הישנות שיא תחת אקראי תאריך ברירת מחדל לא הייתה שונה באופן משמעותי מmodאל או באמצעות המקורי דיווח תאריכים או תאריכי ברירת מחדל למעט לחלוטין.

Protocol

הערה: כל צעד שתואר, מקבילה סעיף של קוד Stata עם אותו המספר בקובץ הקוד שסופק. פקודת שמות Stata כבר נטויים בפרוטוקול הבא.

1. להכין ומגרש את הישנות Onset נתונים הנצפים

1. פתח לעשות קובץ על-ידי לחיצה על כפתור "ניו-Do קובץ עורך" ולהשתמש בפקודה ליצור לחשב את מספר onsets הישנות מיום לכל אחד מהחודשים בלוח השנה שנים עשר לכל אחת משלוש הרמות גיאוגרפיות להיות מודל: מיקום, אונה וגלובלי. פקודת הפעולה על ידי לחיצה על כפתור "לבצע (לעשות)" עשה קובץ פעולה במטלות-הקובץ.
2. השתמש בswilk או פקודת sktest לבחון את החלוקה הבסיסית של ספירת הישנות לנורמליות באמצעות שפירא-וילק או מבחן Jarque-Bera שונה לנתונים הישנות כולל מיקום או משורש נתונים הישנות רמת חולה בהתאמה. בחר קוד ולחץ על "ביצוע (לעשות)".
   הערה: בנוכחות הטיה משמעותית, תחול שינוי יומן טבעי ולאחר מכן לבדוק משתנים ספירת הישנות-הפך יומן לנורמליות משוערת על ידי תגיש שפירא-וילק או מבחן Jarque-Bera שונה כמתאים ^38,39.
3. השתמש בפקודה ליצור ליצור "north_month" משתנה חדש לחודשים קלנדריים חצי כדור הדרומיים בקיזוז +6 לאפשר התוויית של שני התקפי חצי הכדור הצפוניים והדרומיים בעונה לאורך אותו הציר האופקי. בחר קוד ולחץ על "ביצוע (לעשות)".
   1. גרף scatterplot של onsets הישנות החודשי שנצפה בתדירות התקפים בציר y וחודש קלנדרי על ציר x עבור כל חצי הכדור באמצעות פקודת פיזור twoway. חזור על פעולה עבור כל מיקום. שים לב תבנית של נקודתי שיא ושפלים בתחילת הישנות במהלך השנה קלנדרית על ידי הצגת כל חלקה במציג הגרף פותח באופן אוטומטי למסך.
4. השתמש בפקודת הרדאר ללצייר חלקות רדאר של חלוקת תדר הישנות לפי חודשי שנה עם כל ציר רדאר לכידת חודש אחד הזמין באופן כיוון השעון. בחר קוד ולחץ על "ביצוע (לעשות)".
   1. חזור על פעולה עבור כל האתרים. שים לב תבנית של נקודתי שיא ושפלים בתחילת הישנות במהלך השנה קלנדרית על ידי הצגת כל חלקה במציג הגרף פותח באופן אוטומטי למסך.
5. הפעל את פקודת seast להחיל המבחן של אדוארד עונתיות על פני נתונים הישנות נצפו. ^40-42 חזור לכל הרמות גיאוגרפיות.

2. בניית מודל ובחירה

1. השתמש בפקודה ליצור לציין את פונקציות סינוס וקוסינוס מחזור השנתיות טריגונומטריות לשימוש ברגרסיה. בחר קוד ולחץ על "ביצוע (לעשות)".
2. השתמש בפקודה לסגת לציין את הצורה של מודל הבסיס עם ספירת הישנות כמשתנה התוצאה תלויה ותנאי סינוס וקוסינוס מחושביםבשלב 2.1 כמשתני המסבירים העיקריים.
   1. להוסיף UVR מיקום ספציפי ³⁷ למודל הבסיס כcovariate התאמה נוסף ולהשתמש באפשרות aweight המשקל אנליטית משקל המודל למספר החולים שנתרמו על ידי כל מיקום. בחר קוד ולחץ על "ביצוע (לעשות)".
      הערה: רשום את מקדם המודל של נחישות (R ²⁾ והשגיאה שיורית בחלון התוצאות שפותח באופן אוטומטי למסך. קרינת אולטרה סגולה: UVR היומי הממוצע משוקלל erythemally הסביבה עבור כל חודש 1979-2004 כלול הייתה שמקורו מן ספקטרומטר מיפוי האוזון הלאומי לאווירונאוטיקה וחלל מנהל כדור הארץ Probe סה"כ לכל המקומות הבודדים נכללו בניתוח ^37.
3. אחסן את יומן המודל חזה חודשי (הישנות) באמצעות הפקודה לחזות. המרת הישנויות יומן בחזרה לספירת הישנות שלם על ידי exponentiating טווח יומן (הישנות) באמצעות generאכלתי הפקודה. בחר קוד ולחץ על "ביצוע (לעשות)". חזור על פעולה עבור כל האתרים.
4. כיסוי exponentiated הערכות ההישנות החודשיות חזויות מ2.3 על נתונים חודשי הישנות נצפו באמצעות פקודת פיזור twoway. בחר קוד ולחץ על "ביצוע (לעשות)".
   1. חזור על פעולה עבור כל האתרים. צפה כל חלקה במציג הגרף.
5. השתמש בפקודה לסגת כדי להרחיב את המודל שנקבע ב2.2-ידי הוספת זוג סינוס / קוסינוס הרמוני נוסף. בחר קוד ולחץ על "ביצוע (לעשות)".
   הערה: רשום את השגיאה השיורי והמקדם של נחישות. שמור ולשנות הערכות מודל לפי 2.3 ומודל עלילה מעריך על נתונים נצפים לפי 2.4. חזור על פעולה עבור כל האתרים.
6. השתמש בפקודה לסגת כדי להרחיב עוד יותר למודל שנקבע ב2.2 על ידי הוספת שני זוגות סינוס / קוסינוס הרמוניים נוספים. בחר קוד ולחץ על "ביצוע (לעשות)".
   הערה: רשום את השאריות ואת המקדםדבקות במטרה. השוואת מודל זה ישירות עם מודל הבסיס באמצעות בדיקת יחס סבירות. השתמש בפקודה לאחר ההערכה-IC estat ליצור קריטריוני Akaike והמידע בייס. שמור ולשנות הערכות מודל לפי 2.3 ומודל עלילה מעריך על נתונים נצפים לפי 2.4. חזור לכל הרמות גיאוגרפיות.

הסתברות 3. אומדן שיא Relapse

1. השתמש בשילוב שאינו ליניארי של פונקצית אומדים (nlcom) כדי לחשב את אומדן הנקודה ורווח סמך 95% לשלב המשמרת, תוך שימוש במודל הטוב ביותר לגוף המזוהה מצעדים 2.1 דרך 2.6. בחר קוד ולחץ על "ביצוע (לעשות)".
   1. המרת אומדנים אלה נקודה ומרווחי ביטחון הקשורים למספרים המייצגים את התאריכים בלוח שנה של תדירות שיא הישנות _{(מקסימום} T) ותדירות התקפי שוקת (T _דקות), שבו 1 = 1 ^בינואר ו= 365 יום ³¹ בדצמבר וT _מקס = שלב SHIFT + (365/4) ו_דקות T = שלב משמרת + ((365/4) * 3). חזור לכל הרמות גיאוגרפיות. _{מקסימום} התאמת T _ודקות T לתאריך בלוח שנה באמצעות הקובץ להסתכל למעלה Excel.
2. השתמש בפקודה ליצור לחשב הבדל שיא אל שוקת _(דקות T מינוס _{מקסימום} T) עבור כל מיקום, טופל לאתר כל 100 חולים. השתמש במבחן דרגה-סכום Wilcoxon להשוות הבדל שיא אל השוקת טופל על ידי מגוון קווי רוחב. בחר קוד ולחץ על "ביצוע (לעשות)".

4. מידול קרינה על-סגולים נתונים

1. פקודת השימוש לרוץ כדי לטעון את נתוני UVR. לחשב UVR החודשי החציוני עבור כל מיקום באמצעות פקודת egen. בחר קוד ולחץ על "ביצוע (לעשות)".
2. גרף scatterplot של UVR החודשי (ציר y) לפי חודשי שנה (ציר x) עבור כל מיקום באמצעות פונקצית פיזור twoway. צפה כל חלקה במציג הגרף פותח באופן אוטומטי למסך.
3. נציגלאכול שלב 1.2 לנתונים UVR ולהשתמש בפקודה לסגת כדי לציין דגם בסיס של מגמת UVR שנתית ברמת מיקום שבו UVR החודשי מוגדר כמשתני תוצאה התלויים והפונקציות טריגונומטריות סינוס וקוסינוס שצוינו בשלב 2.1 משולבים המודל כמשתני המסבירים.
4. חזור על שלבים 2.4 דרך 2.6 למודל UVR והמוגבל לדגמים ספציפיים למיקום היחיד. זה כרוך שהריץ את פקודת פיזור twoway כדי כיסוי הערכות חזו בנתונים נצפים ובאמצעות הפקודה לסגת כדי להפעיל את חלופות מודל הרמוניות המורחבות.
5. שימוש במודל הטוב ביותר לגוף של UVR החודשי מיקום ספציפי שזוהה בצעדים 4.2 דרך 4.4 להשתמש ליצור הפקודה כדי לחשב את אומדן שלב משמרת נקודה ומרווח ביטחון של 95% הקשורים לUVR ידי החלת שוב נוסחות זווית הכפולה שצוינו בשלב 3.1 . לחשב _דקות T (תאריך של שוקת UVR) עבור כל מיקום באמצעות הנוסחת דואר מתוארת בשלב 3.1. בחר קוד ולחץ על "ביצוע (לעשות)".

5. מידול UVR-שוקת להישנות-השיא ל"ג ב

1. צרף את התאריכים-מוערך מודל של שוקת UVR עונתית מצעד 4.5 ותאריכים שיא הישנות מהשלב 3.1 עבור כל מיקום באמצעות פקודת המיזוג. השתמש בפקודה ליצור לחשב את הזמן שחלף בחודשים בין מועד שוקת UVR ומועד שיא הישנות שלאחר מכן. בחר קוד ולחץ על "ביצוע (לעשות)".
2. השתמש בפקודת sktest לבדוק משתנה פיגור UVR-שוקת להישנות-שיא לסטיות משמעותיות מנורמליות באמצעות קוד בחר מבחן שפירא-וילק ולחץ על "ביצוע (לעשות)".
3. צירוף נתונים קו רוחב ברמת מיקום לבסיס נתונים באמצעות פקודת המיזוג. המרת קו רוחב ביחס לרוחב מוחלט באמצעות שרירי בטן הפונקציה (x). בחר קוד ולחץ על "ביצוע (לעשות)".
4. באמצעות הפקודה לסגת, לבדוק o ליניאריותו הקשר בין הפיגור ורוחב מוחלט על ידי הפעלת שני יניארי ורגרסיות ריבועית והשוואת שאריות. בחר קוד ולחץ על "ביצוע (לעשות)".
5. באמצעות לסגת, ציין ליניארי מתכוון מודל רגרסיה עם פיגור UVR-שוקת להישנות-שיא כתוצאת המשתנה התלוי ורוחב מוחלט ביחידות של 10 מעלות כמשתנה המנבא. משקל המודל למספר החולים שנתרמו על ידי כל מיקום באמצעות aweights לסגת אפשרות. בחר קוד ולחץ על "ביצוע (לעשות)".
6. השתמש בפקודת פיזור twoway לתכנן קו רוחב מוחלט על ציר y נגד UVR-שוקת להישנות-פיגור בחודשים על ציר x. כיסוי קו בכושר הטוב ביותר באמצעות אפשרות גרף lfit. Visualise משקולות מטופל היחסית של כל מיקום באמצעות אפשרות משקולות אנליטיים aweight. בחר קוד ולחץ על "ביצוע (לעשות)".

6. ניתוח רגישות של Relapse ברמת מטופל Propensities

1. השתמש בפקודת mepossion לציין מעורב לוואי רגרסיה פואסון בי ספירת הישנות חודשית היא משתנה התוצאה תלויה, הפונקציות טריגונומטריות סינוס וקוסינוס שצוינו בשלב 2.1 משולבות שוב למודל כמשתנים הקבועים, EDSS תחילת המחקר, גיל הופעת טרשת נפוצה וחשיפה קודמת לטיפול שינוי מחלה ספציפי MS כלולות כערפלנים אפשריים ומזהים מטופל ייחודי מוגדר כהשפעה אקראית. בחר קוד ולחץ על "ביצוע (לעשות)".
2. חזור על שלבים 2.4 דרך 2.6 לזהות מודל Poisson הטוב ביותר לגוף. זה כרוך שהריץ את פקודת פיזור twoway כדי כיסוי הערכות חזו בנתונים נצפים ובאמצעות הפקודה לסגת כדי להפעיל את חלופות מודל הרמוניות המורחבות.
3. השתמש בשילוב שאינו ליניארי של פונקצית אומדים (nlcom) כדי לחשב את אומדן הנקודה ורווח סמך 95% לשלב המשמרת ולחשב את התאריךשל תדירות התקפי שיא. להשוות את התוצאות עם הניתוח הראשוני.
4. השתמש בפקודה ליצור לחשב מחדש פיגור UVR-שוקת להישנות-שיא בחודשים עבור כל מיקום כמתואר בשלב 5.1, באמצעות אומדני מודל Poisson ברמת המטופל של תאריך הישנות השיא נגזרים בשלב 6.3. בחר קוד ולחץ על "ביצוע (לעשות)".
5. השתמש בפקודה לסגת לשפץ קו רוחב מוחלט כמנבא של פיגור כמתואר בשלב 5.5 ולהשוות את התוצאות עם הניתוח הראשוני. בחר קוד ולחץ על "ביצוע (לעשות)".

תוצאות

היישום של רגרסיה טריגונומטריות ל32762 אירועי הישנות שמקורו מן 46 מרכזים רפואיים על-פני 20 מדינות היה הבסיס למתן טיעון סטטיסטי הגנה לתצפית כי העיתוי של תחילת הישנות בטרשת הנפוצה הוא מחזורי ועונתי על פני שני האונות וכי המשך בין עונתי שוקת UVR ושיא ההישנות הבאה בקורלציה עם ק?...

Discussion

הפרוטוקול המתואר במסמך זה מפרט טכניקה שיטתית מבוססת רגרסיה, מודרכת על ידי ניתוח עלילה חזותי, של נתונים תחילת הישנות הגלובליים MS. זה לוקח כנקודת התחלת ניתוח תיאורים פשוט יחסית של נתונים הישנות מ -20 מדינות על פני שני ההמיספרות, המאפשר למשתמש לבחון תאוריות לגבי הזמניות ?...

Materials

Name	Company	Catalog Number	Comments
Stata SE Version 13	StataCorp, College Station, Texas	Version 13	Statistical analysis software used for analysis
Microsoft Excel 2010	Microsoft	2010	Spreadsheet program for calendar date look-up