تحلیل بقا

یکی از انواع داده‌ها که مورد توجه و علاقه شدید محققین است، اهمیت دادن به فاصله زمانی تا وقوع بعضی حوادث مانند مرگ و میر است. به عبارت دیگر پرداختن و توجه نمودن به گروهی از افراد، به طوری که پس از مدتی برای هر کدام از آنها یک نقطه زمانی به نام شکست یا وقوع حادثه تعریف می‌گردد. شکست یا حادثه مورد بحث می‌تواند حداکثر یک بار برای هر فرد اتفاق افتد.

        ازجمله مواردی که می‌تواند مصداق شکست یا واقعه باشد، طول عمر یک ماشین صنعتی، اوّلین زمان مراجعه یک اتومبیل نو به تعمیرگاه، مدت اعتصاب یا زمان بیکاری افراد، بازگشت مجدد یک زندانی آزاد شده به زندان، روی‌آوری دوباره یک معتاد پس از ترک اعتیاد، زمان بقای یک بیمار پس از درمان یا انجام یک عمل جراحی، زمان طلاق یک زوج پس از ازدواج و مثال‌هایی از این قبیل باشد. از آنجایی که این روش‌ها در ابتدا غالباً برای مطالعات مرگ و میر به کار برده می‌شد و اساساً بدین منظور طراحی و به کار می‌رفت، به همین جهت، تجزیه و تحلیل زمان بقا نام گرفت.

        برای مشخص نمودن زمان بقا می‌بایست سه مؤلّفه :

·    مبداء زمان

·    مقیاس یا واحد اندازه‌گیری گذشت زمان

·    مفهوم شکست یا وقوع حادثه

        به طور واضح و دقیق تعریف شود و هیچ گونه ابهامی برای آنها وجود نداشته باشد. متداول‌ترین منبع این گونه اطلاعات، زمانی است که نقاط شروع بعضی حوادث مانند فاصله عمل جراحی تا مرگ یک فرد را ضبط و ثبت کنیم.

        در مطالعات بالینی، معمولاً زمان بقا به زمان مرگ، پیشرفت یک نشانه خاص یا زمان عود بیماری پس از بهبود آن برمی‌گردد. در داده‌های بقا، نقطه پایان بسیار واضح و روشن تعریف شده است ولی نقطه شروع به وضوح مشخص نیست. امّا بهترین تعریف آن زمانی است که بیماری تشخیص داده می‌شود.

تحلیل PLS

مدل­یابی معادلات ساختاری یک رویکرد جامع برای آزمون فرضیات، درباره‌ی روابط متغیرهای مشاهده‌شده و مکنون است. در این پژوهش از مدل­یابی معادلات ساختاری با کمک روش حداقل مربعات جزیی و نرم‌افزار PLS، جهت آزمون فرضیات و صحت مدل استفاده شده است. مدل یابی PLSدر حوزه‌های متنوع از جمله منابع انسانی کاربرد دارد. نگرش Lisrelبر بیشینه‌سازی کواریانس و مدل یابی Plsبر بیشینه‌سازی واریانس تمرکز دارد. پی­ال­اس نگرشی مبتنی بر واریانس است که در مقایسه با تکنیک های مشابه معادلات ساختاری همچون Lisrelو Amosنیاز به شروط کمتری دارد. به طور مثال بر خلاف لیزرل، مدل یابی مسیر پی­ال­اس برای کاربردهای واقعی مناسب­تر است، به‌ویژه هنگامی که مدل‌ها پیچیده‌تر هستند بهره­گیری از این نگرش مطلوب­تر خواهد بود. البته مزیت اصلی آن در این است که این نوع مدل یابی نسبت به لیزرل به تعداد کمتری از نمونه نیاز دارد. در واقع Plsمحدودیت حجم نمونه ندارد و نمونه انتخاب‌شده می­تواند برابر یا کمتر از 30 باشد، که در این صورت نتایج نیز معتبر است. همچنین به‌عنوان متدی قدرتمند در شرایطی که تعداد نمونه‌ها و آیتم های اندازه‌گیری محدود است و توزیع متغیرها می‌تواند نامعین باشد مطرح می‌شود. مدل­یابی پی­ال­اس در دو مرحله انجام می‌شود، اولین مرحله، مدل اندازه‌گیری از طریق تحلیل های روایی و پایایی و تحلیل عامل تائیدی بررسی شود و در دومین مرحله، مدل ساختاری به‌وسیله برآورد مسیر بین متغیرها و تعیین شاخص های برازش مدل بررسی شود.