Comparison of three ordinal logistic regression methods for predicting person’s self-assessed health status with functional, haemodynamic covariates

Lääketieteen parissa perinteiset kyselytutkimukset ovat yhä suosittuja, jonka myötä myös järjestysasteikollisten muuttujien analyysia suoritetaan paljon. Modernin teknologian kehittyminen näkyy kuitenkin myös tällä tieteensaralla, kun mittaustekniikoiden kehittyessä funktionaalisen datan määrä on kasvanut. Tämän myötä järjestysasteikollisten muuttujienkin analyysissa yhä useammin hyödynnetään funktionaalista dataa, mm. järjestysasteikollisen muuttujan mallintamisessa. Tässä pro gradu-tutkielmassa halutaan vertailla kolmea erilaista menetelmää järjestysasteikollisen muuttujan mallintamiseksi funktionaalisten muuttujien avulla. Aineistona käytetään Tampereen yliopistollisen sairaalan hemodynamiikan tutkimusryhmältä saatua aineistoa, josta halutaan mallintaa henkilön itse määrittelemä terveydentila tutkimuksessa mitattujen hemodynaamisten ja funktionaalisten muuttujien avulla. Sovitettaviksi malleiksi ollaan valittu kumulatiivinen logistinen regressiomalli verrannollisuusoletuksella, osittainen kumulatiivinen logistinen regressiomalli verrannollisuusoletuksella ja funktionaalinen ordinaalinen logistinen regressiomalli. Kahden ensimmäisen mallin kohdalla kovariaattien funktionaalisuus sivuutetaan suorittamalla funktionaalisille muuttujille pääkomponenttianalyysi. Mallien sovitus ja analyysien toteutus tehdään R-ohjelmalla. Saatujen tulosten perusteella parhaiten aineistoon sopii osittainen kumulatiivinen logistinen regressiomalli johtuen siitä, että sen sisältämät oletukset eivät ole yhtä tiukat kuin kahdella muulla mallilla. Malleista huonoiten aineistoon tulosten perusteella istuu funktionaalinen ordinaalinen logistinen regressio, joka on malleista tuorein ja näyttää vaativan vielä myös kehitystyötä, esim. kovariaattien valinnan suhteen.