We run the binary logistic regressi

We run the binary logistic regression models to examine
the joint predictors of physical examinations, inpatient
care and visiting a doctor by controlling all the predisposing,
enabling and need factors. The estimated coefficients
that describe the effects of the predictors are
presented in Table 2. We have also checked the overall
significance of the models by reporting the Wald chisquare
value and P-value from the multivariate logistic
regression models at the bottom of Table 2, as well as
conducting the likelihood ratio test between two models
(one with predisposing factors only and the other with
all predisposing, enabling and need factors). This shows
that the overall significance of the models is high and
adding the enabling and need factors can significantly
improve the model fitness.

ผลลัพธ์ (ไทย) 1:

เราใช้โมเดลถดถอยโลจิสติกไบนารีเพื่อตรวจสอบทำนายร่วมของตรวจร่างกาย ผู้ป่วยในการดูแลและการไปพบแพทย์ โดยการควบคุมทั้งหมดที่ predisposingเปิดใช้งานและความต้องการปัจจัย ประมาณสัมประสิทธิ์การอธิบายผลของการทำนายได้แสดงในตารางที่ 2 นอกจากนี้เรายังได้ตรวจสอบโดยรวมความสำคัญของแบบจำลองโดยการรายงาน chisquare วอลด์ค่าและค่า P จากหลายตัวแปรโลจิสติกแบบจำลองถดถอยที่ด้านล่างของตารางที่ 2 เป็นดำเนินการทดสอบอัตราส่วนโอกาสระหว่างสองรุ่น(predisposing ปัจจัยเฉพาะอย่างใดอย่างหนึ่งและอื่น ๆ ที่มีทั้งหมด predisposing เปิดใช้งาน และต้องการปัจจัย) นี้แสดงให้เห็นความสำคัญโดยรวมของรูปแบบสูง และเพิ่มปัจจัยสามารถเปิดใช้งานและจำเป็นอย่างมากปรับปรุงรูปแบบการออกกำลังกาย

ผลลัพธ์ (ไทย) 2:

เราทำงานในรูปแบบที่ถดถอยโลจิสติไบนารีเพื่อตรวจสอบ
พยากรณ์ร่วมกันของการตรวจร่างกายผู้ป่วยใน
การดูแลและไปพบแพทย์โดยการควบคุมทั้งหมด predisposing ที่
เปิดใช้งานและจำเป็นต้องมีปัจจัย ค่าสัมประสิทธิ์การประมาณ
ที่อธิบายถึงผลกระทบของการพยากรณ์ที่มีการ
แสดงไว้ในตารางที่ 2 นอกจากนี้เรายังมีการตรวจสอบโดยรวม
อย่างมีนัยสำคัญของแบบจำลองโดยการรายงานค่าไคสแคว Wald
คุณค่าและ P-value จากหลายตัวแปรโลจิสติก
รุ่นถดถอยที่ด้านล่างของตารางที่ 2 ที่เป็น รวมทั้ง
การดำเนินการทดสอบอัตราส่วนระหว่างสองรุ่น
(หนึ่งกับปัจจัย predisposing เท่านั้นและอื่น ๆ ที่มี
predisposing ทั้งหมดต้องเปิดใช้งานและปัจจัย) นี้แสดงให้เห็น
ว่ามีนัยสำคัญโดยรวมของรุ่นที่อยู่ในระดับสูงและ
การเพิ่มปัจจัยที่เปิดใช้งานและต้องมีนัยสำคัญสามารถ
ปรับปรุงการออกกำลังกายรูปแบบ

ผลลัพธ์ (ไทย) 3:

เราใช้ Binary Logistic Regression เพื่อศึกษารุ่นปัจจัยร่วมของผู้ป่วยในการสอบทางกายภาพดูแลและเยี่ยมชมแพทย์โดยการควบคุมทั้งหมดสถิติเปิดใช้งานและปัจจัยที่ต้อง การประมาณค่าสัมประสิทธิ์ที่อธิบายถึงผลกระทบของตัวแปรคือที่แสดงในตารางที่ 2 เรายังมีการตรวจสอบโดยรวมความสำคัญของรูปแบบโดยการรายงานความเชื่อมั่นวาลด์ค่า p-value จากตัวแปรพหุโลจิสติกตัวแบบการถดถอยที่ด้านล่างของตารางที่ 2 เช่นเดียวกับการทําโอกาสทดสอบอัตราส่วนระหว่างสองรุ่น( หนึ่งกับปัจจัยเท่านั้น และที่อื่น ๆทุกคนมีปัจจัยเอื้อและต้องการ ) นี่แสดงให้เห็นว่าที่สำคัญโดยรวมของรุ่นสูงและเพิ่มความสามารถและปัจจัยที่ต้องมีนัยสำคัญปรับปรุงโมเดลฟิตเนส