Betrachten Sie das leere Modell. In diesem Modell kann der MOR einen beliebigen Wert von einem bis unendlich für alle Werte der Prävalenz des Ergebnisses annehmen. Der IStGH kann auch frei von Null zu eins für jede Prävalenz des Ergebnisses variieren. In diesem Sinne hängt also weder die MOR noch der IStGH von der Prävalenz ab. Unsere anschauliche Analyse basierte auf der Gesundheitserhebung in Scania im Jahr 2000, einer selbstverwalteten Fragebogenerhebung.10 Jede der 33 Gemeinden der Grafschaft Scania, Schweden, entsprach einem Erhebungsgebiet, mit Ausnahme der vier größten Gemeinden Helsingborg, Kristianstad, Lund und Malmö, die in 6, 5, 10 bzw. 10 Verwaltungsgebiete unterteilt waren. Insgesamt gab es 60 verschiedene Erhebungsgebiete. Die erste Erhebungsstichprobe bestand aus 23 437 Personen, die zwischen 1919 und 1981 geboren wurden, 13 715 (59%). von denen sich zur Teilnahme bereit erklärt hat.

Die Erhebung scheint weitgehend repräsentativ für die gesamte scanianische Bevölkerung zu sein. Ein wichtiges Anliegen ist jedoch die Unterrepräsentation der Zuwandererbevölkerung.11 Um diese technischen Schwierigkeiten zu lösen, haben Goldstein und andere 6,17 einige alternative Ansätze zur Berechnung des ICC im Falle der logistischen Regression beschrieben. Zwei dieser Methoden sind a) die Simulationsmethode6,7; und (b) die lineare Schwellenwertmodellmethode oder die latente Variable Methode, die von Snijders und Bosker unterstützt wird.17 Beide Methoden konvertieren die einzelnen Ebenen- und Flächenebenenkomponenten der Varianz in dieselbe Skala, bevor der ICC berechnet wird. Im folgenden Modell wird die Überlebenswahrscheinlichkeit eines Patienten mit Lebererkrankungen im Endstadium auf der Grundlage der folgenden Variablen geschätzt. Bitte geben Sie daten in die entsprechenden Felder ein. in einer Tabelle oder mit und Excel-Blatt. Dieser Wert kann wiederum als Prozentsatz der Paare von Personen in der Verteilung ausgedrückt werden, für die das Quotenverhältnis höher ist als eins. Zum Beispiel, wenn der MOR mehr interpretierbare Informationen als der ICC über die Relevanz des Wohngebietes für das Verständnis der individuellen Neigung zur Beratung von Privatärzten zur Verfügung stellt.

Das MOR zeigte, dass die unerklärliche Heterogenität zwischen den Bereichen von größerer Relevanz war als die einzelnen Variablen, die in der Analyse berücksichtigt wurden (Alter, Geschlecht und Bildung), um die individuelle Neigung zum Besuch von Privatärzten zu verstehen. Der Aufenthalt in einem Hochschulbereich erhöhte die Wahrscheinlichkeit, einen Privatarzt zu besuchen. Das IOR zeigte jedoch, dass die unerklärliche Variabilität zwischen den Gebieten es nicht erlaubte, Bereiche mit hoher Neigung deutlich vom Bildungsniveau des Bereichs zu unterscheiden. Der Aussortierindex lag bei 82 %. Personalmodelle können einige der folgenden Rollen umfassen, die bei der Bestimmung der Menge an Ebola-PSA berücksichtigt werden sollten: In unserem Fall hatten Personen mit Wohnsitz in gebieten hoch im Vergleich zu Gebieten mit niedrigem Bildungsniveau höhere Chancen, Privatärzte zu besuchen (OR = 1,95% 95% CI: 1,45 bis 2,62).