تحلیل رگرسیون در تحقیقات پزشکی: برای مبتدیان و سطح دومی ها ۲۰۲۱
Regression Analysis in Medical Research: for Starters and 2nd Levelers 2021

تحلیل رگرسیونی روابط علت و معلولی، به طور فزاینده ای هسته اصلی تحقیقات پزشکی و سلامت را تشکیل می دهد. این اثر، ویرایش دوم یک کتاب درسی و آموزشی نسبتاً جامع است که در سال 2017 منتشر شده و برای دانشجویان و همچنین به عنوان یادآوری/به روزرسانی و راهنمای کار برای متخصصان کاربرد دارد.

توجه نویسندگان به این نکته جلب شد که اطلاعات مربوط به تاریخچه، پیشینه و اهداف روش های رگرسیونی مورد بحث، کافی نبود. فقدان اطلاعات در این زمینه ها اکنون به طور کامل پوشش داده شده است.

کار هنری ویراستاری نسخه اول، اگرچه زیبا بود، اما به اندازه خروجی های اصلی نرم افزارهای آماری مورد استفاده، مورد استقبال برخی از خوانندگان قرار نگرفت. بنابراین، کار هنری ویراستاری اکنون به طور سیستماتیک با جداول و نمودارهای اصلی نرم افزارهای آماری جایگزین شده است تا استفاده و درک بهتری از روش ها حاصل شود.

در چند سال گذشته، متخصصان با حجم عظیمی از داده ها مواجه شده اند. همه گیری کووید-19 باعث شد شرکت های نرم افزاری آماری، برنامه های تحلیلی جدیدی را توسعه دهند که داده های پرت و چولگی را بهتر در نظر بگیرند. حوزه های جدید تحلیل رگرسیونی مناسب برای این نوع داده ها، مانند رگرسیون های متعارفی پراکنده و رگرسیون های کوانتیل، در این اثر گنجانده شده اند.

Regression analysis of cause effect relationships is increasingly the core of medical and health research. This work is a 2nd edition of a 2017 pretty complete textbook and tutorial for students as well as recollection / update bench and help desk for professionals.

It came to the authors’ attention, that information of history, background, and purposes, of the regression methods addressed were scanty. Lacking information about all of that has now been entirely covered.

The editorial art work of the first edition, however pretty, was less appreciated by some readerships, than were the original output sheets from the statistical programs as used. Therefore, the editorial art work has now been systematically replaced with original statistical software tables and graphs for the benefit of an improved usage and understanding of the methods.

In the past few years, professionals have been flooded with big data. The Covid-19 pandemic gave cause for statistical software companies to foster novel analytic programs better accounting outliers and skewness. Novel fields of regression analysis adequate for such data, like sparse canonical regressions and quantile regressions, have been included.