زمينه و هدف: ارايه فواصل اطمينان برای پارامترهای مجهول در مطالعات مختلف معمولا بر اساس پذيرش پيش فرض هايی است که از آن جمله می توان به ضرورت بزرگ بودن حجم نمونه (به اندازه کافی) اشاره داشت. هدف از انجام اين تحقيق، بررسی چگونگی به کارگيری روش بوت استرپ (Bootstrap) در مدل رگرسيون لجستيک (Logistic Regression) و نشان دادن ضرورت بکارگيری روش بوت استرپ در مدل های رگرسيونی لجستيک در مواردی است که اطلاعات کافی در اختيار محقق نباشد.

روش کار: برای اين منظور اطلاعات مربوط به 150 بيمار را که در فاصله سال های 1378 تا 1380 در انستيتو کانسر مجتمع بيمارستانی امام خمينی تهران به علت ابتلا به سرطان سينه مورد عمل جراحی قرار گرفته اند استخراج کرديم، سپس نمونه تصادفی 50 تايی از بين 150 بيمار استخراج گرديد.

نتايج: با استفاده از روش معمول رگرسيون لجستيک، مدل مناسب و معنی داری بر اطلاعات اوليه برازش شد و برای هر يک از ضرايب مدل، فاصله اطمينان و خطای معيار محاسبه گرديد. نتايج حاصل از کاربرد روش معمول و استفاده از روش بوت استرپ در نمونه های متفاوت نشان می دهد که کاربرد روش بوت استرپ در مواردی که با حجم نمونه ناکافی مواجه هستيم و شرايط مناسب برای استفاده از روش معمول رگرسيون لجستيک فراهم نيست، ضروری بوده و نتايج به دست آمده با افزايش تکرارهای بوت استرپ، به نتايج حاصل از داده های کامل نزديک می شود.

نتيجه گيری: اين امر، هم در مورد برآورد ضرايب مدل و هم در مورد فاصله اطمينان و خطای مربوط به ضرايب، صادق است.