مدل رگرسیون فضایی ضریب متغیر برای عوامل خطر نسبی بیماران سرطان مری

در روش‌های متداولی که برای مدل‌بندی داده‌های بقای فضایی و عوامل موثر بر آن استفاده می‌شوند، اغلب فرض بر آن است که ضرایب متغیرهای تبیینی در مناطق مختلف ناحیه مورد مطالعه تاثیر یکسانی بر زمان بقا دارند و معمولا همبستگی فضایی داده‌ها از طریق یک اثر تصادفی در مدل لحاظ می‌شود. اما در بسیاری از مسائل کاربردی عوامل موثر بر زمان بقا و خطر نسبی، در مناطق مختلف اثرات یکسانی ندارند. در این مقاله، اثرات عوامل موثر بر خطر نسبی که در مناطق مختلف یکسان نیستند، مورد بررسی قرار می‌گیرد. برای این منظور مدل‌های رگرسیون فضایی و ضریب متغیر فضایی معرفی و نحوه برآورد بیزی پارامترهای آن‌ها ارائه می‌شود. سپس سه مدل رگرسیون کلاسیک، رگرسیون فضایی و رگرسیون فضایی ضریب متغیر برای مدل‌بندی عوامل موثر بر خطر نسبی مازاد بیماران سرطان مری استفاده شده و خطرناشی از عوامل مختلف مورد بررسی و ارزیابی قرار می‌گیرد.

Spatial Varying Coefficient Regression Model For Relative Risk Factors of Esophageal Cancer Patients

In conventional methods for spatial survival data modeling, it is often assumed that the coefficients of explanatory variables in different regions have a constant effect on survival time. Usually, the spatial correlation of data through a random effect is also included in the model. But in many practical issues, the factors affecting survival time do not have the same effects in different regions. In this paper, we consider the spatial effects of factors affecting survival time are not the same in the different areas.For this purpose, spatial regression models and spatial varying coefficient models are introduced. Next, the Bayesian estimates of their parameters are presented. Three models of classical regression, spatial regression and spatial varying coefficient regression are used to analyze Esophageal cancer survival data. The relative risk of various factors is examined and evaluated.