R တွင် အတိုးနှုန်းများကို တွက်ချက်နည်း (ဥပမာနှင့်အတူ)

စာရင်းဇယားများတွင်၊ odds ratio သည် ကုသမှုအုပ်စုတစ်ခုတွင် ဖြစ်ပျက်နေသည့် အဖြစ်အပျက်တစ်ခု၏ မသာမယာအချိုးအစားကို ထိန်းချုပ်သည့်အုပ်စုတွင် ဖြစ်ပျက်နေသည့် အဖြစ်အပျက်တစ်ခု၏ မသာမယာများကို ပြောပြသည်။

အောက်ပါဖော်မတ်ကိုယူသည့် ဇယား 2 နှင့် 2 တွင် ခွဲခြမ်းစိတ်ဖြာမှုလုပ်ဆောင်သည့်အခါ အချိုးမညီမှုအချိုးကို ကျွန်ုပ်တို့ တွက်ချက်လေ့ရှိသည်-

R တွင် odds အချိုးကို တွက်ချက်ရန်၊ ကျွန်ုပ်တို့သည် epitools package မှ oddsratio() လုပ်ဆောင်ချက်ကို အသုံးပြုနိုင်ပါသည်။

အောက်ဖော်ပြပါ ဥပမာသည် ဤ syntax ကို လက်တွေ့တွင် မည်သို့အသုံးပြုရမည်ကို ပြသထားသည်။

ဥပမာ- R တွင် odds အချိုးကို တွက်ချက်ပါ။

ဘတ်စကတ်ဘောကစားသမား ၅၀ သည် လေ့ကျင့်ရေးအစီအစဉ်အသစ်ကို အသုံးပြုနေပြီး ကစားသမား ၅၀ သည် လေ့ကျင့်ရေးအစီအစဉ်ဟောင်းကို အသုံးပြုနေသည်ဆိုပါစို့။ ပရိုဂရမ်၏အဆုံးတွင်၊ ကစားသမားတစ်ဦးစီသည် ကျွမ်းကျင်မှုစမ်းသပ်မှုတစ်ခုကို ဖြေဆိုအောင်မြင်ကြောင်း သိရှိရန် ကျွန်ုပ်တို့ စမ်းသပ်သည်။

အောက်ပါဇယားတွင် ၎င်းတို့အသုံးပြုခဲ့သည့် ပရိုဂရမ်အပေါ်အခြေခံ၍ အောင်မြင်ပြီး ကျရှုံးခဲ့သော ကစားသမားအရေအတွက်ကို ပြသသည်-

ပရိုဂရမ်အသစ်ကို အသုံးပြု၍ ပရိုဂရမ်ဟောင်းကို အသုံးပြု၍ ပရိုဂရမ်ဟောင်းကို အသုံးပြု၍ ကစားသမားတစ်ဦး၏ အရည်အချင်းစစ်စာမေးပွဲကို အောင်မြင်နိုင်ခြေများကို နှိုင်းယှဉ်ရန် လေးနက်မှုအချိုးကို တွက်ချက်လိုသည်ဆိုကြပါစို့။

ဤတွင် ဤ matrix ကို R တွင်ဖန်တီးနည်း။

 #create matrix
program <- c(' New Program ', ' Old Program ')
outcome <- c(' Pass ', ' Fail ')
data <- matrix(c(34, 16, 39, 11), nrow= 2 , ncol= 2 , byrow= TRUE )
dimnames(data) <- list(' Program '=program, ' Outcome '=outcome)

#view matrix
data

             Outcome
Program Pass Fail
  New Program 34 16
  Old Program 39 11

ဤတွင် epitools ပက်ကေ့ဂျ်မှ oddsratio() လုပ်ဆောင်ချက်ကို အသုံးပြု၍ oddsratio() လုပ်ဆောင်ချက်ကို အသုံးပြု၍ ပေါက်ကြားမှုအချိုးကို တွက်ချက်နည်းဖြစ်သည်။

 install. packages (' epitools ')

library (epitools)

#calculate odds ratio
oddsratio(data)

$measure
             odds ratio with 95% CI
Program estimate lower upper
  New Program 1.0000000 NA NA
  Old Program 0.6045506 0.2395879 1.480143

$p.value
             two-sided
Program midp.exact fisher.exact chi.square
  New Program NA NA NA
  Old Program 0.271899 0.3678219 0.2600686

$correction
[1] FALSE

attr(,"method")
[1] “median-unbiased estimate & mid-p exact CI”

odds အချိုးသည် 0.6045506 ဖြစ်သွားသည်။

ပရိုဂရမ်အသစ်ကို အသုံးပြု၍ ပရိုဂရမ်အသစ်ကို အသုံးပြု၍ ကစားသမားတစ်ဦး စမ်းသပ်အောင်မြင်နိုင်ခြေသည် ပရိုဂရမ်ဟောင်းကို အသုံးပြု၍ ကစားသမားတစ်ဦး စမ်းသပ်အောင်မြင် သည့် အခွင့်အလမ်းထက် 0.6045506 ဆ သာရှိသည်ဟု ဆိုလိုပါသည်။

တစ်နည်းဆိုရသော် ပရိုဂရမ်အသစ်ကို အသုံးပြုခြင်းဖြင့် ကစားသမားတစ်ဦး စမ်းသပ်မှုအောင်မြင်နိုင်ခြေကို ခန့်မှန်းခြေအားဖြင့် 39.6% လျော့ကျသွားပါသည်။

ရလဒ်၏ အောက်ခြေ နှင့် ထိပ် ကော်လံများရှိ တန်ဖိုးများကိုလည်း ကွဲလွဲမှုအချိုးအတွက် အောက်ပါ 95% ယုံကြည်မှုကြားကာလကို တည်ဆောက်နိုင်သည်-

ပေါက်ကြားမှုအချိုးအတွက် 95% ယုံကြည်မှုကြားကာလ- [0.24၊ 1.48] ။

လေ့ကျင့်ရေးပရိုဂရမ်အသစ်နှင့် အဟောင်းကြားရှိ စစ်မှန်သော ကွဲလွဲမှုအချိုးသည် ဤကြားကာလအတွင်းတွင် ရှိနေကြောင်း ကျွန်ုပ်တို့ 95% သေချာပါသည်။

အထွက်ရှိ midp.exact ကော်လံသည် odds အချိုးနှင့် ဆက်စပ်နေသည့် p-value ကို ပြသသည်။

ဤ p-တန်ဖိုးသည် 0.271899 ဖြစ်သွားသည်။ ဤတန်ဖိုးသည် 0.05 ထက်မနည်းသောကြောင့်၊ odds အချိုးသည် ကိန်းဂဏန်းအရ သိသာထင်ရှားသည်မဟုတ်ကြောင်း ကျွန်ုပ်တို့ ကောက်ချက်ချနိုင်သည်။

တစ်နည်းဆိုရသော်၊ ပရိုဂရမ်အသစ်ကို အသုံးပြုသည့် ကစားသမားတစ်ဦး၏ အောင်မြင်နိုင်ခြေသည် ပရိုဂရမ်ဟောင်းကို အသုံးပြု၍ အောင်မြင်နိုင်ခြေထက် နည်းပါးကြောင်း ကျွန်ုပ်တို့ သိထားသော်လည်း အဆိုပါ အခွင့်အလမ်းများအကြား ခြားနားချက်မှာ အမှန်တကယ် ကိန်းဂဏန်းအရ သိသာထင်ရှားခြင်းမရှိပေ။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများတွင် ထူးထူးခြားခြား အချိုးများအကြောင်း နောက်ထပ်အချက်အလက်များကို ပေးဆောင်သည်-

Odds ratio နှင့် relative risk- ကွာခြားချက်က ဘာလဲ။
ပြီးပြည့်စုံသောလမ်းညွှန်- Odds Ratios ကို မည်သို့အစီရင်ခံမည်နည်း။
အတိုးနှုန်းအချိုးအတွက် ယုံကြည်မှုကြားကာလကို တွက်ချက်နည်း