خط مشی دسترسیدرباره ما
ثبت نامثبت نام
راهنماراهنما
فارسی
ورودورود
صفحه اصلیصفحه اصلی
جستجوی مدارک
تمام متن
منابع دیجیتالی
رکورد قبلیرکورد بعدی
نوع مدرک : TF
زبان مدرک : فارسی
شماره رکورد : 55299
شماره مدرک : ۳۹۰۵پ
شماره راهنما : QZ
سرشناسه : ‏ اکبرزاده‏ ، مهدی
عنوان و نام پديدآور : [پایان نامه]تحلیل پیوستگی ژنتیکی با استفاده از مدل معادلات ساختاری/ پژوهش و نگارش: مهدی اکبرزاده ؛ استاد راهنما: عباس مقیم‌بیگی ؛ استادان مشاور:حسین محجوب،...{و دیگران}
وضعيت : همدان: دانشگاه علوم پزشکی، دانشکده بهداشت، دکتری تخصصی PhD آمار زیستی.، ۱۳۹۵
صفحه شمار : ۱۹۵ص.: جدول، مصور، نمودار
چکيده : مقدمه: امروزه مدل‌بندی و بررسی انواع روابط بین متغیرهای پنهان (مانند استرس، افسردگی، فشارخون و . . . ) از دغدغه‌های اصلی محققین در بسیاری از رشته‌های دانشگاهی از جمله علوم اجتماعی و رفتاری، پزشکی و ژنتیک، اقتصاد و... است. مدل معادلات ساختاری (SEM) یک مدل آماری چندمتغیره پیشرفته و انعطاف‌پذیر برای مدل‌بندی انواع ارتباط بین متغیرهای مشاهده‌ای و پنهان است. این مدل بر اساس کوواریانس بین متغیرهای ورودی (مشاهده¬ای) مدل برآورد و آزمون می‌شود و انواع روابط از پیش تعیین‌شده بین متغیرهای تحقیق (مشاهده‌ای و پنهان) را بررسی می‌کند. استفاده از مدل‌بندی معادلات ساختاری در سال‌های اخیر در بین محققین برای حل مساله مدل‌بندی متغیرهای پنهان رواج یافته است. در استفاده از این مدل‌ها خصوصاً زمانی که با پیچیدگی ساختار داده‌ها و یا پیچیدگی ساختار مدل سروکار داریم ممکن است با مشکلاتی از قبیل عدم همگرایی مدل و یا برآوردهای غیرمجاز مواجه شویم. این مشکلات زمانی که با داده‌های رتبه¬ای سروکار داریم و یا حجم نمونه پایین باشد نمود بیشتری پیدا می‌کند. در تحلیل ژنتیکی مدل‌های مفهومی¬ای¬ که ساختار داده‌های مربوط به آنها به‌صورت خانوادگی است، به دلیل پیچیدگی این ساختار ممکن است با عدم همگرایی و برآوردهای غیرمجاز مواجه شویم و در رویارویی با مدل¬بندی متغیرهای رتبه¬ای و تعداد خانوارهای کم در این نوع داده¬ها این مشکلات دوچندان شوند. لذا در این پایان‌نامه با ارائه یک مدل بیزی با استفاده از برنامه‌نویسی احتمالاتی در نرم‌افزار Stan به ارایه راه¬حلی برای رفع این مشکلات پرداختیم. مواد و روش‌ها: در این مطالعه ابتدا به تبیین مبانی نظری مدل کلاسیک ارائه‌شده توسط موریس و همکاران که در سال 2011 ارایه شد، پرداخته‌شده است. سپس با استفاده از روش بیزی با استفاده از برنامه‌نویسی احتمالاتی در برنامه Stan و تکنیک تقویت داده‌ها (data augmentation) یک مدل بیزی برای رویارویی با مشکل عدم همگرایی و برآوردهای غیرمجاز ارائه شد. برای ارزیابی عملکرد مدل بیزی ارائه‌شده و مقایسه آن با مدل کلاسیک یک شبیه‌سازی جامع ارائه شد. این شبیه‌سازی از یک مدل مفهومی با 31 پارامتر برای بررسی اثر تعداد خانوارها (در 6 حالتِ 50، 100، 200، 300، 500 و 600 خانوار )، اثر نوع متغیر در دو حالت (کمی و رتبه‌ای) و روش برآورد (کلاسیک و بیزی) بر نتایج برآورد استفاده شد. برای مقایسه و بررسی عملکرد در سناریوهای متفاوت از شاخص‌های میزان اریبی، حداقل مربعات خطا (MSE)، احتمال پوشش و نرخ خطای نوع I استفاده کردیم. همچنین در این پایان‌نامه برای کاربرد مدل بیزی پیشنهادی، از اطلاعات خانوادگی مربوط به فاز پنجم مطالعه قند و لیپید تهران (TLGS) (126 خانوار با میانگین اندازه 28/7) و اطلاعات مارکری مربوط به دو ژن FTO و CETP استفاده‌شده است. هدف کاربردی این مطالعه بررسی ارتباط ژنتیکی این مارکرها با عامل پنهان "سندرم متابولیک" با در نظر گرفتن اثر عامل پنهان "فاکتور اجتماعی" بود. این مطالعه در چهار گام تحلیل عاملی تأییدی، کنترل کیفی داده‌ها از لحاظ ارتباط خانوادگی، کنترل کیفی داده‌ها از لحاظ ژنتیکی و اجرای مدل مفهومی انجام شد. در این راستا از نرم‌افزارهای R (بسته‌های strum، rstan، snpStats و ggplot2)، Progeny، S.A.G.E و Mplus استفاده شد. یافته‌ها: نتیجه مطالعه شبیه‌سازی‌شده نشان داد که عملکرد دو روش برآوردی کلاسیک و بیزی در داده-های با تعداد خانوارهای با حجم بالا (300، 500 و 600 خانوار) تقریباً یکسان بوده اما در داده¬های با تعداد کوچک خانوار (50، 100 و 200 خانوار) مدل بیزی بهتر عمل می‌کند. همچنین در حالتی که با متغیرهای کمی سروکار داریم دو روش دارای عملکرد تقریباً یکسانی بوده ولی در برخورد با داده‌های رتبه‌ای روش بیزی موفق‌تر عمل کرد. اما در حالتی که هم تعداد خانوارها کم بوده و متغیرهای مشاهده¬ای مدل رتبه¬ای باشند، مدل بیزی همواره بهتر عمل می¬کند. در نهایت در تحلیل داده‌های واقعی بر اساس مدل مفهومی از پیش تعیین شده، روش بیزی پیشنهادی بعد از همگرایی مدل بیزی دیگر به برآوردهای غیرمجاز و عدم همگرایی مدل (به مفهوم مدل کلاسیک) برخورد نکرد. همچنین ارتباط ژنتیکی موردنظر با عامل پنهان "سندرم متابولیک" و اثر "عامل اجتماعی" بر "سندرم متابولیک" معنی¬دار شد. نتیجه‌گیری: در برخورد با مشکلات روش برآوردی کلاسیک، با توجه به پیچیدگی مدل و ساختار داده‌ها در داده¬های خانوادگی، روش بیزی ارایه شده بهتر عمل می¬کند و محقق دچار مشکلاتی از قبیل برآوردهای غیرمجاز و عدم همگرایی نخواهد بود. همچنین از روش بیزی ارایه شده می¬توان در مدل¬بندی معادلات ساختاری متغیرهای رتبه‌ای و به¬خصوص در حجم خانوار پایین در این ساختار از داده¬ها استفاده کرد. زمانی که محقق در اجرای مدل¬بندی معادلات ساختاری¬ای که هم ساختار داده¬ها به دلیل خانواده¬ای بودن پیچیده است، هم تعداد خانوارها کم باشد و هم متغیرهای مشاهده¬ای مدل نیز رتبه¬ای باشند، روش بیزی پیشنهادی بیش از پیش مورد استفاده خواهد بود.
موضوع : ‏ژنتیک
Genetics
مدل آماری
Models, Statistical
شناسه افزوده : ‏ مقیم‌بیگی‏ ،عباس ، استاد راهنما
محجوب‏، حسین ، استاد مشاور
 
 
 
(در صورت عدم وضوح تصویر اینجا را کلیک نمایید)