Puasona regresijas modeļa izmantošana longitudinālu epidemioloģisko pētījumu analīzē

Abstract

Bakalaura darbs veltīts Puasona regresijas modeļa izmantošanai longitudinālos epidemioloģiskajos pētījumos, kur atkarīgais mainīgais ir kāda veselības notikuma (piemēram, slimības vai nāves gadījuma) incidence. Incidences biežuma rādītājs mēra jauno gadījumu skaitu noteiktā laika periodā riska populācijā (riska personlaikā). Ar Puasona modeļa palīdzību var analizēt slimību vai nāves incidenci saistībā ar potenciālajiem riska faktoriem, kā arī incidences izmaiņas laikā atkarībā no vienas vai vairākām laika skalām. Lai pētījuma dalībnieku novērošanas laiku sadalītu atbilstoši laika skalu vērtībām, tiek izmantota Leksisa diagrammu pieeja. Puasona modelis ir multiplikatīvs un tā koeficientus interpretē pēc to eksponēšanas, iegūstot incidences biežuma attiecības rādītāju jeb relatīvo risku. Tas rāda, cik reizes pētītais riska faktors palielina slimības vai nāves incidenci. Darba praktiskajā daļā ar Puasona regresijas modeli ir analizēta 1. tipa cukura diabēta incidence bērniem saistībā ar diabēta esamību viņu ģimenes locekļiem. Datu kopa balstās uz Dānijas populācijas līmeņa reģistriem. Pielāgoti trīs modeļi un diskutēta šo modeļu piemērotība 1. tipa cukura diabēta riska prognozēšanai.

The Bachelor’s Thesis focuses on the use of a Poisson regression model in longitudinal epidemiological studies where the dependent variable is the incidence of a health-related event (e.g., disease or death). The incidence rate measures the occurrence of new cases over a specified period for the population at risk (risk person-time). The Poisson model can be used to analyze the incidence of disease or death in association with potential risk factors and to assess the changes in incidence rate along one or multiple timescales. The follow-up time is split up according to the values of multiple timescales by means of the Lexis diagram approach. The Poisson model is multiplicative, and the regression coefficients, after the exponentiation, show the incidence rate ratios or relative risks. The incidence rate ratio indicates how many times the studied risk factor increases the incidence of the disease or death. An example of using a Poisson regression model is a study on type 1 diabetes incidence in children in association with the history of diabetes among their relatives. The study is based on the data from the Danish population registers. Three models have been fitted and their performance in the prediction of type 1 diabetes risk has been discussed.