زمينه و هدف: رگرسيون لجستيک ابزاری تحليلی است که بطور وسيعی در تحقيقات پزشکی و اپيدميولوژيک کاربرد دارد. در بسياری از مطالعات با مجموعه داده هايی مواجه می شويم که بخشی از آنها گزارش نشده اند يا به عبارت ديگر گمشده می باشند. ساده ترين روش برای تجزيه و تحليل چنين داده هايی صرف نظر کردن از موردهای دارای مقادير گمشده و ادامه آناليز با داده های کامل می باشد که اين روش، در عمل کارآمد نيست.

روش کار: در اين مطالعه روشی برای آناليز مدلهای رگرسيون لجستيک وقتی که مقادير متغير کمکی Z به طور کامل مشاهده شده و مقادير متغير کمکی X برای برخی از افراد تحت مطالعه گمشده باشند ارايه شده است. وقتی مقادير X به طور تصادفی گمشده (MAR) باشند، مدل تابع درست نمايی ارايه شده برای کل داده های مشاهده شده موجود، همانند زمانی که داده ها کامل و بدون گمشدگی اند، عمل می کند.

نتايج: با بکار بردن اين تابع درستنمايی، برآورد پارامترها هم به روش ماکزيمم درستنمايی و هم به روش بيزی با استفاده از تکنيک زنجيره های مارکوف مونت کارلويی (MCMC) انجام و مقادير بدست آمده مقايسه گرديده اند. داده های اين مطالعه مربوط به اطلاعات سمع ريه به دست آمده از طرح سلامت و بيماری در شهر تهران می باشد.

نتيجه گيری: برآوردهای حاصل از مدل ارايه شده در اين مطالعه و آناليز آن به روش بيزی نسبت به ساير روشهای برآورد، مقادير نزديکتری به برآوردهای مدل استاندارد برای داده های کامل داشتند.