In human disease epidemiology, mode

In human disease epidemiology, modeling approaches such as ordinal logistic regression and classification and regression tree (CART) have been used to classify patients into risk classes in order to guide the implementation of treatment (7, 13, 15, 25, 30). In addition to their use as data mining and variable selection tools, tree-based models are widely used to devise prediction rules for both classification and regression problems. These approaches provide advantages over linear and additive models in that they are non-parametric and relatively easy to implement and interpret. Nelson et al (29) concluded that in addition to assessing risk, CART models uncovered interactions among variables generally overlooked by more traditional modeling approaches. Several classes of logistic regression models may be used to model categorical response variables. If the response variable is dichotomous, a binary logistic regression model may be used. If the response is on an ordinal scale with 2 or more categories, an ordinal logistic regression model may be used. Unlike other approaches, such as discriminant analysis commonly used to model categorical data, logistic models make no assumption about the distribution of the predictors. Such methods can be applied to the field of plant pathology in order to guide management decisions. De Wolf et al. (10) used binary logistic regression
models to assess the risk of wheat Fusarium head blight over location-years. They reported prediction accuracy of 62 to 85%. In this paper, we apply two classes of ordinal logistic regression models and a CART model to assess the risk of gray leaf spot using data available prior to planting as predictor variables.

ผลลัพธ์ (ไทย) 1:

ในมนุษย์โรคระบาดวิทยา โมเดลวิธีเช่นลำดับถดถอยโลจิสติกและต้นไม้การจำแนกและการถดถอย (รถเข็น) ได้ถูกใช้ในการจัดประเภทผู้ป่วยในชั้นเรียนความเสี่ยงเพื่อเป็นแนวทางการดำเนินงานของการรักษา (7, 13, 15, 25, 30) นอกจากการใช้เป็นการทำเหมืองข้อมูลและตัวแปรการเลือกเครื่องมือ ต้นไม้ตามรุ่นใช้ประดิษฐ์ทำนายกฎสำหรับปัญหาการจัดประเภทและการถดถอย วิธีการเหล่านี้มีข้อดีมากกว่าแบบเชิงเส้น และสารเติมแต่งที่มีไม่ใช่พาราเมตริก และง่ายในการใช้ และตีความ เนลสัน et al (29) สรุปได้ว่า นอกจากการประเมินความเสี่ยง รถเข็นรุ่นเถปฏิสัมพันธ์ระหว่างตัวแปรโดยทั่วไปมองข้าม โดยวิธีการสร้างโมเดลแบบดั้งเดิม ระดับชั้นต่าง ๆ ของโมเดลถดถอยโลจิสติกอาจใช้แบบตัวแปรตอบสนองที่แน่ชัด ถ้าตัวแปรตอบสนองนาน อาจใช้แบบจำลองการถดถอยโลจิสติกไบนารี ถ้าการตอบสนองบนขนาดลำดับมี 2 ประเภท อาจใช้แบบจำลองการถดถอยโลจิสติกลำดับ ซึ่งแตกต่างจากวิธีการอื่น ๆ เช่นการวิเคราะห์ discriminant มักใช้ในการจำลองข้อมูลแน่ชัด รูปแบบโลจิสติกทำให้ไม่มีสมมติฐานเกี่ยวกับการกระจายของการทำนาย วิธีดังกล่าวสามารถใช้ได้กับฟิลด์ของพยาธิวิทยาพืชเพื่อเป็นแนวทางการจัดการการตัดสินใจ ถดถอยโลจิสติกไบนารีใช้หมาป่าเด et al. (10) แบบจำลองเพื่อประเมินความเสี่ยงของข้าวสาลี Fusarium หัวไหม้ตั้งปี เขารายงานทำนายความแม่นยำ 62 ถึง 85% ในกระดาษนี้ เราใช้เรียนสองของโมเดลถดถอยโลจิสติกลำดับและแบบรถเข็นเพื่อประเมินความเสี่ยงของการใช้ข้อมูลที่มีอยู่ก่อนที่จะปลูกเป็นตัวแปร predictor จุดใบสีเทา

ผลลัพธ์ (ไทย) 2:

ระบาดวิทยาโรคของมนุษย์, การสร้างแบบจำลองอื่น ๆ เช่นการถดถอยโลจิสติกและการจัดลำดับและต้นไม้ถดถอย (ซื้อ) ได้ถูกนำมาใช้ในการจำแนกผู้ป่วยในชั้นเรียนมีความเสี่ยงในการดำเนินงานเพื่อเป็นแนวทางในการรักษาเพื่อ (7, 13, 15, 25, 30) นอกเหนือไปจากการใช้งานของพวกเขาเช่นการทำเหมืองข้อมูลและเครื่องมือการเลือกตัวแปรรุ่นต้นไม้ตามที่มีการใช้กันอย่างแพร่หลายในการออกแบบกฎการคาดการณ์สำหรับทั้งปัญหาการจัดหมวดหมู่และการถดถอย วิธีการเหล่านี้มีข้อได้เปรียบกว่าการเชิงเส้นและสารเติมแต่งในรูปแบบที่พวกเขาจะไม่คณิตศาสตร์และค่อนข้างง่ายต่อการใช้และตีความ เนลสัน, et al (29) สรุปว่านอกเหนือไปจากการประเมินความเสี่ยงในรูปแบบรถเข็นเปิดปฏิสัมพันธ์ระหว่างตัวแปรมองข้ามโดยวิธีการสร้างแบบจำลองแบบดั้งเดิมมากขึ้นโดยทั่วไป หลายชั้นเรียนของแบบจำลองการถดถอยโลจิสติกอาจจะถูกใช้ในการจำลองตัวแปรตอบสนองเด็ดขาด ถ้าตัวแปรตอบเป็นทวิลักษณ์, รูปแบบไบนารีถดถอยโลจิสติกอาจจะใช้ หากตอบสนองในระดับลำดับมี 2 ประเภทหรือมากกว่าแบบจำลองการถดถอยโลจิสติกลำดับอาจจะใช้ ซึ่งแตกต่างจากวิธีการอื่น ๆ เช่นการวิเคราะห์จำแนกโดยทั่วไปจะใช้รูปแบบข้อมูลเด็ดขาดโมเดลโลจิสติกทำให้สมมติฐานเกี่ยวกับการกระจายของการพยากรณ์ที่ไม่มี วิธีการดังกล่าวสามารถนำไปใช้ด้านการโรคพืชในการสั่งซื้อเพื่อเป็นแนวทางในการตัดสินใจการจัดการ De หมาป่า et al, (10) ที่ใช้ในการถดถอยโลจิสติกไบนารี
แบบจำลองเพื่อประเมินความเสี่ยงของข้าวสาลี Fusarium หัวทำลายมากกว่าสถานที่ปีที่ผ่านมา พวกเขาได้รายงานถูกต้องทำนายจาก 62 ถึง 85% ในบทความนี้เราใช้สองชั้นของแบบจำลองการถดถอยโลจิสติคและรูปแบบรถเข็นในการประเมินความเสี่ยงของโรคใบจุดสีเทาโดยใช้ข้อมูลที่มีอยู่ก่อนที่จะปลูกเป็นตัวแปร