Checking the assumptions of a negat

Checking the assumptions of a negative binomial model involved two steps: examining whether the data violated any independence assumption and verifying that the observed outcomes were a reasonable fit to a negative binomial distribution. To verify whether the assumption of independence was violated, binomial proportions, along with Clopper- Pearson exact 95% confidence intervals for each stick attempt were examined and compared under the assumption that there may be some common underlying probability of success that is irrespective of attempt. Clopper-Pearson exact confidence intervals were selected because a standard, conservative, exact test was desired that was readily available in standard software [10].

To verify that the observed data values were similar to the expected values under a negative binomial model, the current data was examined using a Goodness-of-Fit test as outlined by Morel and Neerchal [11]. Fitting the data to an intercept only negative binomial regression model, observed and expected counts were output and compared using Goodness of Fit criteria. Since negative binomial models include the possibility of observing a success on the zero count, a small change in the way the data was counted was necessary in order to truly compare the observations to the expectation [5]. For the process of IV insertion, at least one attempt to start an IV must be made. Therefore, rather than counting the actual number of the attempt, the data was modeled on the number of additional stick attempts beyond the first. Thus, those patients who experienced a successful IV placement on the first stick were represented as a success with zero additional stick attempts, or zero failures. For thoroughness, the data was fit under zero-inflated negative binomial and Poisson models as well.

After exploring the assumptions and utility of modeling the data under the negative binomial model, the results of the analysis indicated that the data itself should be modeled using the negative binomial distribution directly. Therefore, the GLM interpretation was be used to fit a negative binomial regression model. Those results were be compared to ordinary least squares (OLS) output in terms of inferences and model fit. It is worth noting that the use of negative binomial models is a fairly recent innovation and historically this type of count data would be modeled using OLS methods. It seems obvious that should an individual decide to model the data under a GLM, that the negative binomial would provide a more natural fit than other models, such as the Poisson. A seemingly appropriate question of interest is whether there are gains by modeling this data as a GLM in terms of model fit and general clinical inferences. Negative binomial regression uses a log-link function, making it difficult to directly compare parameter estimates with an OLS model. Hence, direct comparison to OLS parameters is not recommended. Instead, comparing the model based adjusted means (based on maximum likelihood estimates) for each factor was be preferable. Such comparison will indicated the impact for the factor, having adjusted for the contribution of other variables in the model. Comparisons of model fit were be made by examination of Akaike's Information Criterion (AIC) with smaller values purporting a better fitting model to the observed data [12]. All statistical analyses and simulations were performed using SAS® version 9.4 [13]. Data cleaning and quality control evaluations were performed using JMP® Pro 11 [14] software.

ผลลัพธ์ (ไทย) 1:

ตรวจสอบสมมติฐานของรูปแบบทวินามลบสองขั้นตอนที่เกี่ยวข้อง: ตรวจสอบว่าข้อมูลละเมิดสมมติฐานใด ๆ ความเป็นอิสระ และการตรวจสอบว่า ผลที่สังเกตได้ที่เหมาะสมพอดีกับการแจกแจงทวินามลบ ช่วงความเชื่อมั่น 95% ที่แน่นอนสำหรับแต่ละความพยายามติดถูกตรวจสอบ และเปรียบเทียบภายใต้สมมติฐานที่อาจบางทั่วไปพื้นฐานความน่าเป็นความสำเร็จที่ไม่คำนึงถึงความพยายาม เพื่อตรวจสอบว่า สมมติฐานของความเป็นอิสระถูกละเมิด ทวินามสัดส่วน พร้อมกับ Clopper - เพียร์สัน ช่วงความเชื่อมั่นแน่นอน clopper-เพียร์ถูกเลือกเนื่องจากแบบทดสอบมาตรฐาน อนุรักษ์นิยม ที่แน่นอนถูกต้องที่ถูกจัดมาตรฐานซอฟต์แวร์ [10]เพื่อตรวจสอบว่า ค่าข้อมูลที่สังเกตได้คล้ายกับค่าที่คาดไว้ภายใต้รูปแบบทวินามลบ ข้อมูลปัจจุบันถูกตรวจสอบโดยใช้การทดสอบความดีความพอดีตามที่ระบุไว้ โดย Morel และ Neerchal [11] แบบจำลองการถดถอยทวินามลบเฉพาะตัดข้อมูลเหมาะสม สังเกต และคาดว่านับถูกออก และเปรียบเทียบโดยใช้เกณฑ์ความดีความพอดี ตั้งแต่รุ่นทวินามลบมีโอกาสสำเร็จในจำนวนศูนย์การสังเกต การเปลี่ยนแปลงเล็ก ๆ ในวิธีข้อมูลถูกนับถูกจำเป็นอย่างแท้จริงเปรียบเทียบข้อสังเกตความคาดหวัง [5] สำหรับการแทรก IV น้อยหนึ่งพยายามเริ่ม IV ต้องทำ ดังนั้น แทนการนับจำนวนแท้จริงของความพยายาม ข้อมูลที่สร้างขึ้นจำนวนความพยายามที่ติดเพิ่มเติมถัดไปจะ ดังนั้น ผู้ป่วยที่มีประสบการณ์ตำแหน่ง IV สำเร็จไม้แรก ถูกแสดงเป็นประสบความสำเร็จด้วยความพยายามเป็นศูนย์ติดเพิ่มเติม หรือความล้มเหลวเป็นศูนย์ สำหรับตลอดทั่วถึง ข้อมูลได้พอดีภายใต้ศูนย์ลมแบบทวินามลบและ Poisson รุ่นเป็นอย่างดีหลังจากสำรวจสมมติฐานและอรรถประโยชน์ของการสร้างแบบจำลองข้อมูลภายใต้แบบทวินามลบ ผลของการวิเคราะห์ระบุว่า ข้อมูลจะถูกจำลองโดยใช้การแจกแจงแบบทวินามลบโดยตรง ดังนั้น การตีจีแอลเอ็มเมอริเดียนถูกใช้ให้พอดีกับแบบจำลองการถดถอยทวินามลบ ผลที่ได้จะเปรียบเทียบกับสามัญกำลังสองน้อยสุด (OLS) ผลลัพธ์ในแง่ของ inferences และรุ่นพอดี มันเป็นมูลค่า noting ว่า ใช้รุ่นทวินามลบเป็นนวัตกรรมที่ค่อนข้างนาน และในอดีตจำนวนข้อมูลชนิดนี้จะสามารถสร้างแบบจำลองโดยใช้วิธี OLS มันดูเหมือนชัดเจนว่า แต่ละคนตัดสินใจจะโมเดลข้อมูลภายใต้จีแอลเอ็มเมอริเดียนใน ทวินามลบจะให้แบบเป็นธรรมชาติมากขึ้นกว่ารุ่นอื่น ๆ เช่น Poisson คำถามที่ดูเหมือนว่าเหมาะสมน่าสนใจคือ ว่า มีกำไร โดยการสร้างแบบจำลองข้อมูลนี้เป็นโครงการ GLM inferences คลินิกทั่วไปและแบบพอดี การถดถอยทวินามลบใช้ฟังก์ชันเชื่อมโยงเข้าสู่ระบบ เพื่อเปรียบเทียบค่าประมาณพารามิเตอร์ ด้วยรูปแบบ OLS โดยตรง ด้วยเหตุนี้ การเปรียบเทียบที่ตรงกับพารามิเตอร์ OLS ไม่แนะนำ แทน เปรียบเทียบรูปแบบปรับปรุงหมายถึง (ตามประมาณการโอกาสสูง) สำหรับแต่ละปัจจัยได้จะดีกว่า เปรียบเทียบดังกล่าวจะแสดงผลตัวคูณ ไม่ปรับสัดส่วนของตัวแปรในแบบจำลองอื่น ๆ ถูกเปรียบเทียบของรูปแบบที่เหมาะสมได้ โดยตรวจสอบของข้อมูลเกณฑ์ของ Akaike (AIC) มีขนาดเล็กค่า purporting แบบกระชับดีขึ้นกับข้อมูลสังเกตได้ [12] วิเคราะห์ทางสถิติและแบบจำลองทั้งหมดถูกดำเนินการโดยใช้ SAS® เวอร์ชัน 9.4 [13] ประเมินผลการทำความสะอาดและควบคุมคุณภาพข้อมูลดำเนินการโดยใช้ซอฟต์แวร์ JMP® Pro 11 [14]

ผลลัพธ์ (ไทย) 2:

การตรวจสอบสมมติฐานของรูปแบบทวินามเชิงลบที่เกี่ยวข้องกับขั้นตอนที่สอง: การตรวจสอบว่าข้อมูลละเมิดสมมติฐานอิสระใด ๆ และตรวจสอบว่าผลที่สังเกตได้แบบที่เหมาะสมกับการกระจายทวินามเชิงลบ เพื่อตรวจสอบว่าสมมติฐานของความเป็นอิสระถูกละเมิดสัดส่วนทวินามพร้อมกับเพียร์สัน Clopper- ช่วงเวลาที่แน่นอนความเชื่อมั่น 95% สำหรับแต่ละพยายามติดมีการตรวจสอบและเปรียบเทียบภายใต้สมมติฐานว่าอาจจะมีบางอย่างที่น่าจะเป็นพื้นฐานทั่วไปของความสำเร็จที่เป็นโดยไม่คำนึงถึงความพยายาม Clopper เพียร์สันช่วงความเชื่อมั่นที่แน่นอนได้รับการคัดเลือกเพราะมาตรฐาน, อนุลักษณ์, การทดสอบที่แน่นอนเป็นที่ต้องการนั่นคือพร้อมในซอฟต์แวร์มาตรฐาน [10]. ต้องการตรวจสอบว่าค่าของข้อมูลที่สังเกตมีความคล้ายคลึงกับค่าคาดว่าภายใต้รูปแบบทวินามลบปัจจุบัน ข้อมูลที่ถูกตรวจสอบโดยใช้การทดสอบความดีของพอดีตามที่ระบุไว้โดย Morel และ Neerchal [11] กระชับข้อมูลไปยังตัดเพียงลบแบบการถดถอยทวินามข้อสังเกตและคาดว่านับเป็นเอาท์พุทและเมื่อเทียบกับการใช้ความดีของเกณฑ์พอดี ตั้งแต่รุ่นทวินามเชิงลบรวมถึงความเป็นไปได้ในการสังเกตความสำเร็จในการนับเป็นศูนย์ที่มีการเปลี่ยนแปลงเล็ก ๆ ในทางข้อมูลที่ถูกนับเป็นสิ่งจำเป็นในการสั่งซื้อเพื่อเปรียบเทียบอย่างแท้จริงข้อสังเกตที่จะคาดหวัง [5] สำหรับขั้นตอนของการ IV แทรกอย่างน้อยหนึ่งในความพยายามที่จะเริ่มต้นที่สี่จะต้องทำ ดังนั้นแทนที่จะนับจำนวนที่แท้จริงของความพยายามที่ข้อมูลที่เป็นแบบอย่างกับจำนวนของความพยายามในการติดเพิ่มเติมนอกเหนือจากครั้งแรก ดังนั้นผู้ป่วยที่ประสบความสำเร็จในตำแหน่ง IV ที่ประสบความสำเร็จในการติดครั้งแรกที่แสดงเป็นความสำเร็จกับศูนย์ความพยายามในการติดเพิ่มเติมหรือความล้มเหลวของศูนย์ สำหรับทั่วถึงข้อมูลที่ถูกใส่ไว้ใต้ศูนย์ที่สูงเกินจริงเชิงลบทวินามและ Poisson รุ่นเช่นกัน. หลังจากการสำรวจสมมติฐานและประโยชน์ของการสร้างแบบจำลองข้อมูลภายใต้รูปแบบทวินามลบผลการวิเคราะห์ชี้ให้เห็นว่าข้อมูลที่ตัวเองควรจะสร้างแบบจำลองโดยใช้ กระจายทวินามเชิงลบโดยตรง ดังนั้นการตีความ GLM ที่ถูกนำมาใช้เพื่อให้เหมาะสมกับรูปแบบการถดถอยเชิงลบทวินาม ผลเหล่านั้นถูกนำมาเปรียบเทียบกับสองน้อยที่สุด (OLS) เอาท์พุสามัญในแง่ของการหาข้อสรุปและรูปแบบพอดี มันเป็นที่น่าสังเกตว่าการใช้รูปแบบทวินามเชิงลบเป็นนวัตกรรมล่าสุดอย่างเป็นธรรมและในอดีตชนิดของข้อมูลนับนี้จะเป็นรูปแบบการใช้วิธี OLS ดูเหมือนว่าเห็นได้ชัดว่าบุคคลควรตัดสินใจว่าจะรูปแบบข้อมูลที่อยู่ภายใต้ GLM ที่ว่าทวินามเชิงลบจะให้เป็นแบบที่เป็นธรรมชาติมากขึ้นกว่ารุ่นอื่น ๆ เช่นปัวซอง คำถามที่เหมาะสมที่ดูเหมือนจะน่าสนใจก็คือว่ามีกำไรโดยการสร้างแบบจำลองข้อมูลนี้เป็น GLM ในแง่ของรูปแบบพอดีและหาข้อสรุปทางคลินิกทั่วไป เชิงลบถดถอยทวินามใช้ฟังก์ชั่นการเชื่อมโยงเข้าสู่ระบบทำให้มันยากที่จะเปรียบเทียบประมาณการพารามิเตอร์โดยตรงกับรูปแบบ OLS ดังนั้นการเปรียบเทียบโดยตรงพารามิเตอร์ OLS ไม่แนะนำ แต่เมื่อเปรียบเทียบกับรุ่นที่ใช้วิธีการปรับ (ตามการประมาณการความน่าจะเป็นสูงสุด) สำหรับปัจจัยแต่ละจะดีกว่า การเปรียบเทียบดังกล่าวจะชี้ให้เห็นผลกระทบสำหรับปัจจัยที่มีการตั้งค่าสำหรับการสนับสนุนของตัวแปรอื่น ๆ ในโมเดล การเปรียบเทียบรูปแบบพอดีถูกต้องทำโดยการตรวจสอบของ Akaike ข้อมูลของเกณฑ์ (AIC) มีค่าขนาดเล็กที่อ้างตัวว่าเป็นรูปแบบที่เหมาะสมดีกว่าที่จะสังเกตข้อมูล [12] ทั้งหมดการวิเคราะห์ทางสถิติและแบบจำลองที่ถูกดำเนินการโดยใช้SAS®รุ่น 9.4 [13] ทำความสะอาดข้อมูลและการควบคุมคุณภาพการประเมินผลการดำเนินการโดยใช้JMP® Pro 11 [14] ซอฟแวร์

ผลลัพธ์ (ไทย) 3:

การตรวจสอบสมมติฐานของแบบจำลองที่เกี่ยวข้องกับลบแบบสองขั้นตอน : การตรวจสอบว่าข้อมูลใด ๆและตรวจสอบว่าละเมิดความเป็นอิสระ อัสสัมชัญ สังเกตผลลัพธ์ได้ถูกพอดีเหมาะสมกับการแจกแจงทวินามลบ . เพื่อตรวจสอบว่าสมมติฐานความเป็นอิสระถูกละเมิด ทวินามสัดส่วน พร้อมกับ clopper - เพียร์สันแน่นอน 95% ช่วงความเชื่อมั่นสำหรับติดแต่ละพยายามศึกษาเปรียบเทียบภายใต้สมมติฐานว่า อาจจะมีบางทั่วไปพื้นฐานความน่าจะเป็นของความสำเร็จที่ไม่พยายาม clopper ค่าสัมประสิทธิ์ความเชื่อมั่นที่ถูกเลือกเพราะมาตรฐาน , อนุลักษณ์ , การทดสอบที่แน่นอนคือต้องการที่พร้อมใช้งานในมาตรฐานซอฟต์แวร์ [ 10 ]การตรวจสอบว่า ข้อมูลค่าใกล้เคียงกับค่าลบแบบคาดภายใต้รูปแบบข้อมูลที่เป็นปัจจุบันเพื่อใช้ทดสอบความสอดคล้องตามที่ระบุโดย โมเรล และ neerchal [ 11 ] การปรับข้อมูลเป็นเพียงการตัดลบแบบแบบสังเกต และคาดว่านับถูกส่งออกและเปรียบเทียบโดยใช้เกณฑ์ความดีของพอดี ตั้งแต่รุ่นทวินามลบรวมถึงความเป็นไปได้ของการสังเกตความสำเร็จบนศูนย์นับเปลี่ยนแปลงเล็ก ๆในทางข้อมูลก็นับว่าจำเป็นเพื่อที่จะเปรียบเทียบการสังเกตเพื่อความคาดหวัง [ 5 ] สำหรับกระบวนการของการแทรก IV , อย่างน้อยหนึ่งพยายามที่จะเริ่มต้นที่ 4 จะต้องทำ ดังนั้น แทนที่จะนับตัวเลขจริงของความพยายาม , ข้อมูลที่เป็นแบบจำลองในจํานวนเพิ่มเติมติดพยายามเกินก่อน ดังนั้น ผู้ป่วยผู้ที่มีประสบการณ์การประสบความสำเร็จใน 4 ติดครั้งแรกก็แสดงเป็นความสำเร็จกับการพยายามติดเพิ่มเติมศูนย์หรือศูนย์ความล้มเหลว เพื่อความรอบคอบ , ข้อมูลทวินามปัวซอพอดีภายใต้ศูนย์พองและรูปแบบเชิงลบหลังจากการสำรวจเบื้องต้นและประโยชน์ของแบบจำลองข้อมูลภายใต้แบบจำลองทวินามลบ ผลจากการวิเคราะห์ข้อมูลพบว่าตัวเองควรจะออกแบบโดยใช้การแจกแจงทวินามลบโดยตรง ดังนั้น glm ตีความถูกใช้ให้พอดีกับการถดถอยแบบทวินามลบ ผลลัพธ์ที่ได้เมื่อเทียบกับวิธีกำลังสองน้อยที่สุด ( OLS ) ผลในแง่ของการอนุมานแบบพอดี เป็นมูลค่า noting ว่าใช้แบบทวินามลบเป็นนวัตกรรมล่าสุดค่อนข้างและประวัติศาสตร์นี้ ลักษณะของข้อมูลจะใช้วิธีการนับแบบ OLS . ดูเหมือนว่าที่เห็นได้ชัดว่าควรบุคคลตัดสินใจรูปแบบข้อมูลภายใต้ glm ที่ลบแบบจะให้พอดีกับธรรมชาติมากขึ้นกว่ารุ่นอื่น ๆเช่น ปัวซง . คำถามที่ดูเหมือนจะเหมาะสม น่าสนใจว่า มีไรใช้ข้อมูลนี้เป็น glm ในแง่ของพอดีกับรูปแบบและใช้ในคลินิกทั่วไป ลบแบบถดถอยใช้บันทึกการเชื่อมโยงฟังก์ชัน ทำให้ยากที่จะประเมินโดยตรงเปรียบเทียบพารามิเตอร์กับแบบจำลอง OLS . ดังนั้นการเปรียบเทียบโดยตรงเพื่อ OLS พารามิเตอร์ไม่แนะนำ แทน การใช้รูปแบบวิธีการปรับ ( จากประมาณความควรจะเป็นสูงสุด ) ของแต่ละปัจจัยจะดีกว่า การเปรียบเทียบดังกล่าวจะแสดงผลในส่วนที่มีการปรับสัดส่วนของตัวแปรอื่น ๆในรูปแบบ การเปรียบเทียบแบบพอดีกำลังจะทำโดยการตรวจสอบข้อมูลเกณฑ์เคราะห์ ( AIC ) เล็กค่า purporting เป็นนางแบบดีกว่า สังเกตข้อมูล [ 12 ] การวิเคราะห์ทางสถิติและการจำลองการใช้ SAS ®เวอร์ชัน 9.4 [ 13 ] การทำความสะอาดข้อมูลและการประเมินคุณภาพการใช้เพลง® Pro 11 [ 14 ] ซอฟต์แวร์