حسین فلاح زاده - Department of Biological Statistics, Faculty of Health, Shahid Sadoughi University of Medical Sciences, Yazd, Iran
فریبا اسدی - Department of Biological Statistics, Faculty of Para-medicine and Health, Birjand University of Medical Sciences, Birjand, Iran

مقدمه: در بسیاری از مطالعات بخصوص مطالعات پزشکی اغلب با داده هایی روبه رو هستیم که یا به صورت طولی ویا خوشه ای گردآوری شده اند.مدلهای آمیخته خطی تعمیم یافته که گسترش یافته مدلهای خطی تعمیم یافته ومدلهای آمیخته خطی هستند روش مفیدی برای تجزیه وتحلیل اینگونه داده ها می باشند. در این مقاله ضمن معرفی این مدلها وروشهای برآورد آنها با مثالهایی در زمینه پزشکی کاربرد این مدلها را توضیح میدهیم. روش بررسی: داده های این مطالعه مربوط به ۸۵۲۵ بیمار با سرطان ریه است که برای تحلیل آنها از مدل رگرسیون لجستیک آمیخته توسط نرم افزار R نسخه ۳.۰.۱ به روش لاپلاس استفاده شده است. یافته ها : تحلیل رگرسیون نشان داد که سن،میزان تجربه دکتر ومرحله سرطان از عوامل موثر بر بهبودی افراد بیمار می باشد وعوامل فردی واندازه گیری نشده پزشک معالج ۴.۰۳ از تغییرات مربوط به متغیر پاسخ را پوشش می دهد. نتیجه گیری: مدلهای خطی آمیخته تعمیم یافته با اینکه دامنه بسیار گسترده ای از داده ها را شامل می شوند ولی بسیاری از محققین بدلیل عدم آشنایی با این مدلها اثرات تصادفی را نادیده میگیرند واین امرموجب می شود که برخی از پارامترها به اشتباه معنی دار شوند.استفاده درست از این مدلها موجب می شود از بسیاری از این نتایج اشتباه جلوگیری شود.

Mixed models, Random effects, Laplace method, Monte Carlo, مدلهای آمیخته, اثرات تصادفی, روش لاپلاس, مونت کارلو