تحلیل رگرسیون در پژوهش های پزشکی: برای تازه کارها و سطح دومی ها ۲۰۱۸
Regression Analysis in Medical Research: for Starters and 2nd Levelers 2018

این ویرایش، یک کتاب درسی و آموزشی تقریباً کامل برای دانشجویان پزشکی و بهداشت، و همچنین یک جایگاه تجدیدنظر/به روزرسانی و میز کمک برای متخصصان است. رویکردهای نوینی که قبلاً در تحقیقات بالینی منتشر شده به کار گرفته شده اند، مورد بررسی قرار خواهند گرفت: تحلیل های ماتریسی، آلفا اسپندینگ، گیت کیپینگ، کریجینگ، رگرسیون های سانسورشده ی بازه ای، رگرسیون های علیتی، رگرسیون های متعارف، رگرسیون های شبه احتمالی، رگرسیون های ناپارامتری نوین. هر فصل می تواند به صورت مستقل مطالعه شود و یک حوزه را در دنیای به سرعت در حال رشد تحلیل های رگرسیونی پوشش می دهد.

نویسندگان، به عنوان اساتید آمار و یادگیری ماشین در دانشگاه های اروپایی، نگران هستند که دانشجویانشان تحلیل های رگرسیونی را دشوارتر از هر روش شناسی دیگری در آمار می یابند. این مسئله جدی است، زیرا تقریباً تمام روش شناسی های نوین در داده کاوی و تحلیل داده ی فعلی شامل عناصری از تحلیل رگرسیونی هستند. این انگیزه اصلی برای نوشتن این ویرایش ۲۸ فصلی است که شامل موارد زیر است:

– 28 حوزه اصلی تحلیل رگرسیونی،

– ریاضیات فشرده آن ها،

– کاربردهای آن ها در تحقیقات پزشکی و بهداشتی که تاکنون منتشر شده است،

– تحلیل های گام به گام برای خودارزیابی،

– بخش های نتیجه گیری و مرجع.

تحلیل رگرسیونی سنتی برای اپیدمیولوژی مناسب است، اما فاقد دقت لازم برای تحقیقات بالینی است. با این حال، در دو دهه گذشته، روش های رگرسیونی مدرن ثابت کرده اند که بسیار دقیق تر هستند. بنابراین زمان آن فرا رسیده است که کتابی تحلیل های رگرسیونی را برای پزشکان توصیف کند. ویرایش حاضر اولین ویرایش است که این کار را انجام می دهد. این کتاب برای مخاطبان غیرریاضی نوشته شده است. فایل های داده ی خودارزیابی از طریق “Extras Online” اسپرینگر ارائه می شوند.

This edition is a pretty complete textbook and tutorial for medical and health care students, as well as a recollection/update bench, and help desk for professionals. Novel approaches already applied in published clinical research will be addressed: matrix analyses, alpha spending, gate keeping, kriging, interval censored regressions, causality regressions, canonical regressions, quasi-likelihood regressions, novel non-parametric regressions. Each chapter can be studied as a stand-alone, and covers one field in the fast growing world of regression analyses.

The authors, as professors in statistics and machine learning at European universities, are worried, that their students find regression-analyses harder than any other methodology in statistics. This is serious, because almost all of the novel methodologies in current data mining and data analysis include elements of regression-analysis. It is the main incentive for writing this 28 chapter edition, consistent of

– 28 major fields of regression analysis,

– their condensed maths,

– their applications in medical and health research as published so far,

– step by step analyses for self-assessment,

– conclusion and reference sections.

Traditional regression analysis is adequate for epidemiology, but lacks the precision required for clinical investigations. However, in the past two decades modern regression methods have proven to be much more precise. And so it is time, that a book described regression analyses for clinicians. The current edition is the first to do so. It is written for a non-mathematical readership. Self-assessment data-files are provided through Springer’ s “Extras Online”.