Statistical AnalysesDichotomous and

Statistical Analyses
Dichotomous and categorical variables were summarized by percentages and continuous
variables were summarized by means (standard deviations) for all variables. At baseline,
9.5% of participants had one or more missing values for covariates. For the multivariable
analyses, missing covariate values were replaced with those generated using the multiple
imputation (MI) procedure in SAS® software (Cary, NC). In MI, missing values of variables
are simultaneously predicted using existing values of variables by modeling the joint
distribution of all the covariates plus selected other predictors. Conditional on the
nonmissing values for each individual, the missing values have a distribution from which
several joint random samples are drawn. Each imputation dataset is analyzed separately as if
there were no missing values, then the results are combined in a manner that reflects the
uncertainty due to missing values. The results from five imputation datasets were combined
to obtain regression coefficient estimates and confidence intervals (CIs). Bivariable logistic
regression was conducted to examine any associations between current (new and continuing
combined) and past medication use and incontinence. Multivariable logistic regression analyses using a backward selection approach (alpha=0.15) identified those demographic,
health behaviors and health status factors to be added as covariates along with the seven
drug use independent variables in the final model. This final model calculated adjusted odds
ratios and 95% confidence intervals relating urinary incontinence (yes/no) in the previous 12
months before year 4 (three years from baseline) with specific classes of medication use at
year 3 (two years from baseline).21 All other variables were fixed at baseline values except
bladder antispasmodics, number of prescription drugs and persistent lower extremity
limitation which reflect data from year 3. We also tested all two way interactions between
race and the various forms of current medication use with potential urological activity.
Underlying statistical assumptions were evaluated and verified. 21 All statistical analyses
were conducted using SAS® Version 9.1.

ผลลัพธ์ (ไทย) 1:

วิเคราะห์ทางสถิติตัวแปร dichotomous และแน่ชัดได้อย่างต่อเนื่อง และสรุปเป็นเปอร์เซ็นต์ตัวแปรสรุปผลด้วย (ส่วนเบี่ยงเบนมาตรฐาน) สำหรับตัวแปรทั้งหมด ที่พื้นฐาน9.5 อย่าง น้อยหนึ่งค่าที่ขาดหายไปสำหรับ covariates %ของผู้เข้าร่วมได้ สำหรับแบบ multivariableวิเคราะห์ covariate ค่าหายไปถูกแทนที่ ด้วยที่สร้างโดยใช้การคูณกระบวนการ imputation (MI) SAS ®ซอฟต์แวร์ (แครีแกรนต์ NC) ใน MI ค่าของตัวแปรที่ขาดหายไปพร้อมได้คาดการณ์ไว้ใช้ค่าที่มีอยู่ของตัวแปรร่วมในการสร้างโมเดลกระจายของ covariates ทั้งหมดบวกเลือก predictors อื่น ๆ เงื่อนไขในการค่า nonmissing สำหรับแต่ละบุคคล ค่าหายไปมีการกระจายที่ตัวอย่างแบบสุ่มร่วมหลายจะวาด ชุดข้อมูลแต่ละ imputation จะวิเคราะห์แยกเป็นมีค่าไม่หายไป แล้วผลลัพธ์จะรวมในลักษณะที่สะท้อนให้เห็นถึงการความไม่แน่นอนเนื่องจากค่าที่ขาดหายไป มีรวมผลลัพธ์จาก datasets imputation ห้าการขอรับการประเมินสัมประสิทธิ์การถดถอยและช่วงความเชื่อมั่น (CIs) โลจิสติก Bivariableวิธีการถดถอยเพื่อตรวจสอบการเชื่อมโยงใด ๆ ระหว่างปัจจุบัน (ใหม่ และต่อเนื่องรวม) และ ผ่านการใช้ยาและกลั้นปัสสาวะไม่ ใช้วิธีเลือกย้อนหลังวิเคราะห์ถดถอยโลจิสติก multivariable (alpha = 0.15) ระบุเหล่าประชากรพฤติกรรมสุขภาพและปัจจัยสถานะสุขภาพจะเพิ่มเป็น covariates กับเซเว่นยาใช้ตัวแปรอิสระในรูปแบบสุดท้าย รุ่นนี้สุดท้ายคำนวณปรับปรุงราคาอัตราส่วนและ 95% ช่วงความเชื่อมั่นเกี่ยวกับลำบาก (ไม่ใช่) ใน 12 ก่อนหน้าเดือนก่อนปี 4 (3 ปีจากพื้นฐาน) มีเรียนเฉพาะยาที่ใช้ในปี 3 (สองปีจากพื้นฐาน) .21 อื่น ๆ ตัวแปรทั้งหมดได้คงที่ค่าพื้นฐานยกเว้นส่วนปลายล่างของกระเพาะ antispasmodics จำนวนยา และแบบจำกัดเพื่อสะท้อนข้อมูลจากปี 3 นอกจากนี้เรายังทดสอบการโต้ตอบสองทางทั้งหมดระหว่างการแข่งขันและรูปแบบต่าง ๆ ของยาปัจจุบันใช้กับกิจกรรมเป็นระบบทางเดินปัสสาวะอยู่ภายใต้สมมติฐานทางสถิติได้ประเมิน และตรวจสอบ 21 วิเคราะห์ทางสถิติทั้งหมดได้ดำเนินการใช้ SAS ®เวอร์ชัน 9.1

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์ทางสถิติ
ตัวแปร dichotomous และเด็ดขาดโดยสรุปเปอร์เซ็นต์และต่อเนื่อง
ตัวแปรสรุปโดยวิธี (ค่าเบี่ยงเบนมาตรฐาน) สำหรับตัวแปรทั้งหมด ที่ baseline
9.5% ของผู้เข้าร่วมมีหนึ่งหรือมากกว่าค่าที่ขาดหายสำหรับตัวแปร สำหรับหลายตัวแปร
การวิเคราะห์ค่าตัวแปรร่วมที่ขาดหายไปถูกแทนที่ด้วยผู้ที่สร้างขึ้นโดยใช้หลาย
ใส่ร้าย (MI) ขั้นตอนในซอฟแวร์SAS® (แครี, NC) ใน MI ค่าที่ขาดหายไปของตัวแปรที่
มีการคาดการณ์ไปพร้อม ๆ กันโดยใช้ค่าที่มีอยู่ของตัวแปรโดยการสร้างแบบจำลองร่วม
การกระจายของตัวแปรทั้งหมดบวกเลือกพยากรณ์อื่น ๆ เงื่อนไขในการ
nonmissing ค่าสำหรับแต่ละบุคคลที่มีค่าที่ขาดหายกระจายจากการที่
หลายตัวอย่างที่สุ่มร่วมกันจะมีการวาด ชุดข้อมูลที่ใส่ร้ายแต่ละวิเคราะห์แยกเป็นถ้า
ไม่มีค่าที่ขาดหายแล้วผลจะรวมกันในลักษณะที่สะท้อนให้เห็นถึง
ความไม่แน่นอนเนื่องจากค่าที่ขาดหายไป ผลที่ได้จากการใส่ร้ายห้าชุดข้อมูลมารวมกัน
เพื่อให้ได้ประมาณการค่าสัมประสิทธิ์การถดถอยและช่วงความเชื่อมั่น (CIS) โลจิสติก Bivariable
ถดถอยได้ดำเนินการเพื่อตรวจสอบความสัมพันธ์ระหว่างปัจจุบัน (ใหม่และต่อเนื่อง
รวม) และการใช้ยาในอดีตและไม่หยุดยั้ง การถดถอยโลจิสติกหลายตัวแปรการวิเคราะห์โดยใช้วิธีการเลือกย้อนหลัง (อัลฟา = 0.15) ระบุผู้ประชากร
พฤติกรรมสุขภาพและปัจจัยที่มีภาวะสุขภาพที่จะเพิ่มเป็นตัวแปรพร้อมกับเจ็ด
ใช้ยาตัวแปรอิสระในรูปแบบสุดท้าย รุ่นนี้เป็นครั้งสุดท้ายคำนวณราคาต่อรองปรับ
อัตราส่วนและช่วงความเชื่อมั่น 95% เกี่ยวกับปัสสาวะเล็ด (ใช่ / ไม่ใช่) ในก่อนหน้านี้ 12
เดือนก่อนที่จะปี 4 (สามปีจาก baseline) กับการเรียนที่เฉพาะเจาะจงในการใช้ยาที่
3 ปี (สองปีจาก baseline) ทั้งหมด 21 ตัวแปรอื่น ๆ ที่ได้รับการแก้ไขค่าพื้นฐานยกเว้น
antispasmodics กระเพาะปัสสาวะจำนวนของยาตามใบสั่งแพทย์และถาวรขา
ข้อ จำกัด ที่สะท้อนให้เห็นถึงข้อมูลจากปีที่ 3 เรายังผ่านการทดสอบทั้งหมดปฏิสัมพันธ์สองทางระหว่าง
การแข่งขันและรูปแบบต่างๆของการใช้ยาในปัจจุบันที่มีกิจกรรมระบบทางเดินปัสสาวะที่อาจเกิดขึ้น .
สมมติฐานทางสถิติที่อ้างอิงได้รับการประเมินและตรวจสอบ 21 การวิเคราะห์ทางสถิติทั้งหมด
ถูกดำเนินการโดยใช้SAS®รุ่น 9.1

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์ทางสถิติของตัวแปรและไดโคโตมัส
สรุปได้โดยเด็ดขาดค่าตัวแปรต่อเนื่อง
สรุปได้ว่า ( ส่วนเบี่ยงเบนมาตรฐาน ) สำหรับตัวแปรทั้งหมด ที่ baseline
9.5 % ของผู้เข้าร่วมมีหนึ่งหรือมากกว่าหนึ่งค่าสูญหายสำหรับความรู้ . สำหรับการวิเคราะห์ multivariable
หายไปร่วมค่าถูกแทนที่ด้วยผู้ที่สร้างโดยใช้หลาย
การใส่ความ ( MI ) ขั้นตอนในซอฟต์แวร์® SAS ( แครี่ , NC ) ในมิ คิดถึงค่าของตัวแปร
จะคาดการณ์กันโดยใช้ค่าของตัวแปรที่มีอยู่โดยการร่วมเผยแพร่ความรู้ทั้งหมดบวก
ของปัจจัยคัดสรรด้านอื่น ๆ เงื่อนไข
nonmissing ค่าสำหรับแต่ละบุคคล ค่าสูญหายมีการกระจายที่
หลายตัวอย่างสุ่มร่วมกันจะวาดแต่ละชุดข้อมูลส่วนบุคคลวิเคราะห์แยกเป็นถ้า
ไม่มีค่าสูญหาย แล้วผลลัพธ์จะรวมกันในลักษณะที่สะท้อน
ความไม่แน่นอนเนื่องจากไม่มีค่า ผลจากข้อมูลส่วนบุคคล 5 ร่วม
เพื่อให้ได้ค่าสัมประสิทธิ์ถดถอยประมาณการและช่วงความเชื่อมั่น ( CIS )
bivariable โลจิสติก) มีวัตถุประสงค์เพื่อศึกษาความสัมพันธ์ระหว่างปัจจุบันใด ๆ ( ใหม่และต่อเนื่อง
รวมกัน ) และการใช้ยาในอดีตและเล็ด การวิเคราะห์การถดถอยโลจิสติก multivariable โดยใช้วิธีการเลือกย้อนหลัง ( alpha = 0.15 ) ระบุว่า บรรดาประชากร
พฤติกรรมสุขภาพปัจจัยที่จะเพิ่มความรู้พร้อมกับเจ็ด
การใช้ตัวแปรอิสระในรูปแบบสุดท้าย รุ่นนี้สุดท้ายคำนวณปรับอัตราต่อรอง
อัตราส่วนและ 95% ช่วงความเชื่อมั่นเกี่ยวกับปัสสาวะเล็ด ( ใช่ / ไม่ใช่ ) ในรอบ 12 เดือน ก่อนปี 4
( สามปีจากค่าเริ่มต้น ) เรียนเฉพาะของยาที่ใช้ใน
3 ปี ( จากค่าเริ่มต้นสองปี ) 21 ตัวแปรอื่น ๆทั้งหมดได้รับการแก้ไขที่ baseline ค่ายกเว้น
กระเพาะปัสสาวะ antispasmodicsจำนวนใบสั่งยาและถาวรลดสุดขีด
จำกัด ซึ่งสะท้อนให้เห็นถึงข้อมูลจากปี 3 นอกจากนี้เรายังทดสอบทั้ง 2 วิธีระหว่าง
การแข่งขันและความหลากหลายของรูปแบบการใช้ยาในปัจจุบันที่มีกิจกรรมข้อมูลศักยภาพ ภายใต้สมมติฐานทางสถิติ
ถูกประเมินและตรวจสอบ 21 ทั้งหมด สถิติที่ใช้ในการวิเคราะห์การใช้ SAS
®รุ่น 9.1 .