فصلنامه دانشکده بهداشت و

زمینه و هدف: ارایه فواصل اطمینان برای پارامترهای مجهول در مطالعات مختلف معمولا بر اساس پذیرش پیش فرض هایی است که از آن جمله می توان به ضرورت بزرگ بودن حجم نمونه (به اندازه کافی) اشاره داشت. هدف از انجام این تحقیق، بررسی چگونگی به کارگیری روش بوت استرپ (Bootstrap) در مدل رگرسیون لجستیک (Logistic Regression) و نشان دادن ضرورت بکارگیری روش بوت استرپ در مدل های رگرسیونی لجستیک در مواردی است که اطلاعات کافی در اختیار محقق نباشد.

روش کار: برای این منظور اطلاعات مربوط به 150 بیمار را که در فاصله سال های 1378 تا 1380 در انستیتو کانسر مجتمع بیمارستانی امام خمینی تهران به علت ابتلا به سرطان سینه مورد عمل جراحی قرار گرفته اند استخراج کردیم، سپس نمونه تصادفی 50 تایی از بین 150 بیمار استخراج گردید.

نتایج: با استفاده از روش معمول رگرسیون لجستیک، مدل مناسب و معنی داری بر اطلاعات اولیه برازش شد و برای هر یک از ضرایب مدل، فاصله اطمینان و خطای معیار محاسبه گردید. نتایج حاصل از کاربرد روش معمول و استفاده از روش بوت استرپ در نمونه های متفاوت نشان می دهد که کاربرد روش بوت استرپ در مواردی که با حجم نمونه ناکافی مواجه هستیم و شرایط مناسب برای استفاده از روش معمول رگرسیون لجستیک فراهم نیست، ضروری بوده و نتایج به دست آمده با افزایش تکرارهای بوت استرپ، به نتایج حاصل از داده های کامل نزدیک می شود.

نتیجه گیری: این امر، هم در مورد برآورد ضرایب مدل و هم در مورد فاصله اطمینان و خطای مربوط به ضرایب، صادق است.