تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله کاهش طول تهویه مکانیکی همراه با توجه به اهمیت آن – نشریه الزویر

عنوان فارسی: کاهش طول تهویه مکانیکی همراه با توجه به اهمیت آن : مطالعه موردی از طراحی آزمایشی و برآورد حجم نمونه با استفاده از شبیه سازی مونت کارلو
عنوان انگلیسی: Reducing the Length of Mechanical Ventilation with Significance: A Case Study of Sample Size Estimation Trial Design Using Monte-Carlo Simulation
تعداد صفحات مقاله انگلیسی : 6 تعداد صفحات ترجمه فارسی : 15
سال انتشار : 2015 نشریه : الزویر - Elsevier
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 5763 رفرنس : دارد
محتوای فایل : zip حجم فایل : 2.93Mb
رشته های مرتبط با این مقاله: مهندسی مکانیک و یاضی
گرایش های مرتبط با این مقاله: طراحی کاربردی، ساخت و تولید، تحقیق در عملیات، محاسبات نرم و مکاترونیک
مجله: نهمین سمپزیوم زیستی و سیستم های پزشکی BMS
دانشگاه: گروه مهندسی مکانیک، دانشگاه کانتربری، کرایستچرچ، نیوزیلند
کلمات کلیدی: طول تهویه مکانیکی، نتیجه، تجزیه و تحلیل قدرت، اندازه نمونه
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه نشده است
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

1.مقدمه

2.مواد و روش ها

2.1.اطلاعات بیمار: طول تهویه مکانیکی

2.2. روش های برآورد اندازه نمونه

2.2.1. نوموگرام مبتنی بر مدل آلتمن

2.2.2 .تخمین حجم نمونه در شبیه سازی مونت کارلو

3.نتایج

3.1 . برآورد حجم نمونه در نوموگرام آلتمن

3.2 . برآورد حجم نمونه در شبیه سازی مونت کارلو

4. بحث

4.1. برآورد حجم نمونه با استفاده از نوموگرام آلتمن

4.2 . برآورد حجم نمونه با استفاده از شبیه سازی مونت کارلو

4.3 . محدودیت ها و همچنین توصیه ها و پیشنهادات مطالعه

5. نتایج

نمونه متن انگلیسی

Abstract

The power of a study can be established with estimation of total effective sample size (Ntotai). In this study, the impact of the length of mechanical ventilation (LoMV) distribution shape in intensive care on the estimated Ntotal is investigated. This study provides an overview on the study design involving LoMV, the resulting potential limitations, and the criteria for a 'successful' design. Data from mechanical ventilated patients in a single-center intensive care unit were used in this study. The Ntotal was estimated using two methods: 1) Model-based Altman's nomogram (a standard); and 2) Monte-Carlo simulation. Using Monte-Carlo simulation, a patient selection criteria is imposed to estimate Ntotal from 'realistic' patient cohorts. The Altman nomogram shows that the Ntotal to detect a 25% change in LoMV (ALoMV) at power of 0.8 is >1000 patients. For the Monte-Carlo simulation, a Ntotal >260 patients is needed to detect similar changes. It is important to consider the LoMV distribution shape and variability, particularly relative to target patient groups who might benefit from the intervention. Assessment of ALoMV in response to treatment should be carefully considered to avoid an under-powered studies. The Monte-Carlo simulation combined with objective patient selection provides better design of such studies.

نمونه متن ترجمه

چکیده

قدرت یک مطالعه را می توان با برآورد حجم نمونه موثر (N کل) نشان داد. در این مطالعه ، تاثیر طول تهویه مکانیکی (LoMV) و همچنین شکل توزیع در مراقبت های ویژه در برآورد N کل بررسی شده است. این پژوهش به بررسی اجمالی این طراحی مطالعه می پردازد که شامل LoMV می شود و منجر به محدودیت های بالقوه ای شده و همچنین معیارها را برای یک طراحی "موفق" فراهم می کند. داده ها از بیماران تحت تهویه مکانیکی در یک واحد مراقبت های ویژه تک مرکز در این مطالعه بدست آمدند و مورد استفاده قرار گرفتند. N کل با استفاده نوموگرام مبتنی بر مدل آلتمن (استاندارد) ،

و شبیه سازی مونت کارلو برآورد شد. با استفاده از شبیه سازی مونت کارلو، معیارهای انتخاب بیمار انتخاب شده اند که به منظور برآورد N کل از گروه های " واقع بینانه " در بیماران می باشد. نوموگرام آلتمن نشان می دهد که N کل به میزان مشخص شده یک تغییر 25٪ در LoMV (ΔLoMV) در قدرت 0.8 ≥1000 بیماران می باشد. برای انجام شبیه سازی مونت کارلو در این زمینه، یک بیمار با N total≥260 برای تشخیص تغییرات مشابه مورد نیاز می باشد. این نکته مهم است که هم شکل توزیع LoMV و هم تنوع آن حتما باید در نظر گرفته شود ، به خصوص درمورد گروه های هدفی که در آن ها بیمار ممکن است از مداخله بهره مند شوند. ارزیابی ΔLoMV در پاسخ به درمان برای جلوگیری از مطالعات طراحی شده باید به دقت در نظر گرفته شود و در این مورد باید دقت لازم را به عمل آورد. شبیه سازی مونت کارلو با هدف انتخاب بیمار ، طراحی بهتری را از چنین مطالعاتی فراهم می کند و باعث نتیجه گیری بهتری در این زمینه می شود.