به کارگیری رگرسیون لجستیک بیزی برای تعیین عوامل خطر رتینوپاتی دیابتی
نویسندگان
چکیده
زمینه و هدف: دیابت یکی از شایع ترین بیماری های مزمن قرن حاضر است. پیامدهای متعددی در بیماران دیابتی رخ می دهد که از مهم ترین آن ها را می توان رتینوپاتی و ماکولاپاتی دانست. در مطالعه حاضر به بررسی عوامل خطر رخداد رتینوپاتی دیابتی با استفاده از رگرسیون لجستیک بیزی پرداخته شده است. روش کار: در این مطالعه مقطعی-تحلیلی، تعداد 623 بیمار به روش نمونه گیری خوشه ای چندمرحله ای از بین تمامی بیماران دیابتی شهر تهران انتخاب شدند. متغیرهایی همچون سن، جنسیت، طول مدت ابتلا به دیابت، شاخص توده بدنی، هموگلوبین گلیکوزیله، فشار خون سیستولیک و ... در این افراد اندازه گیری شده و با استفاده از معاینات چشم وجود رتینوپاتی بررسی گردید. در این مطالعه برای برازش مدل رگرسیون لجستیک بیزی از نرم افزار sas نسخه 9.3 استفاده شد. یافته ها: در مطالعه حاضر تعداد 623 بیمار دیابتی مورد بررسی قرار گرفتند که از این میان، 4/54% (339 نفر) نمونه را زنان و 6/45% (284 نفر) را مردان تشکیل داده اند. در حدود 38% (236 نفر) از این بیماران دیابتی مبتلا به رتینوپاتی بوده و میانگین ( gte msequation 12]>± !msequation]--> انحراف معیار) سن زنان و مردان به ترتیب برابر 05/11±5/59 و 65/11±5/60 سال بود. با توجه به نتایج مدل رگرسیون لجستیک بیزی، متغیرهای سن، طول مدت ابتلا به دیابت، هموگلوبین گلیکوزیله، جنسیت، نوع انسولین مصرفی، ابتلا به ادم ماکولار و فشارخون تاثیر آماری معناداری در بروز بیماری رتینوپاتی داشتند. نتیجه گیری: در تعیین عوامل خطر رتینوپاتی دیابتی، نتایج رگرسیون لجستیک بیزی و مدل لجستیک کلاسیک از نظر جهت و اندازه تقریبا یکسان بوده ولی برآوردهای بیزی بازه های اطمینان کوتاه تری دارند.
منابع مشابه
به‌کارگیری رگرسیون لجستیک بیزی برای تعیین عوامل خطر رتینوپاتی دیابتی
Background: Diabetes is one of the most common chronic diseases of this century. Retinopathy and makulopati are two most important implications of diabetes. In this study, Bayesian logistic regression is used to assess the factors affected on diabetic- retinopathy. Methods: Study population of this cross-sectional study contains all diabetic patients in Tehran of which 623 of them were selec...
متن کاملمقایسه قدرت پیش بینی شبکه عصبی مصنوعی با رگرسیون لجستیک چندگانه در تفکیک بیماران دیابتی رتینوپاتی از غیر رتینوپاتی
Background: Diabetes mellitus is a high prevalent disease among the population, and if not controlled, it causes complications and irreparable damage to the eye and cause blindness. This study goal is to investigate the predictive power of multiple logistic regression model and the Artificial Neural Network Multi-layer Perceptron (MLP) in determining patients with and without diabetic...
متن کاملبه کارگیری مدل‌های رگرسیون لجستیک ترتیبی در مطالعات کیفیت زندگی
Background & Objectives: Due to the increasing tendency to measure the quality of life in recent years and the extensive quality of life questionnaires, it is important to determine the appropriate method of analyzing data derived from these studies. The aim of the present study was to introduce ordinal logistic regression models as an appropriate method for analyzing the data of quality of li...
متن کاملبهکارگیری مدل جمعیتعمیمیافته در تعیین نوع ارتباط عوامل خطر رتینوپاتی در بیماران دیابتی شهر تهران
Background : One of the most important complications of diabetes, is diabetic retinopathy that causes the blindness of 10,000 people every year. Different researches have been done on retinopathy risk factors in diabetic patients. This study was carried out to check the type of relationship between retinopathy risk factors and the condition of temptation it with generalized additive models. T...
متن کاملبه کارگیری مدل رگرسیون لجستیک در بررسی عوامل مؤثر بر حاملگی ناخواسته
زمینه و هدف: حاملگی ناخواسته یکی از مشکلات مهم جامعه می‌باشد که می‌تواند سلامت مادر و کودک را به خطر اندازد و هزینه‌های زیادی را بر سیستم بهداشت و درمان تحمیل نماید. طبق تحقیقات صورت گرفته، بیش از یک‌سوم حاملگی‌ها در دنیا ناخواسته هستند که 95% از آنها در کشورهای در حال توسعه اتفاق می‌افتد. این مطالعه با هدف تعیین عوامل مؤثر بر شیوع حاملگی ناخواسته در شهر اردبیل صورت گرفت. روش بررسی: این پژوهش...
متن کاملمقایسه دقت پیش‌بینی رگرسیون لجستیک و درخت رده‌بندی در تعیین عوامل خطر و پیش‌بینی ابتلا به سرطان پستان
Background and Objectives: Breast cancer is one of the most common malignancies in women which accounts for the highest number of deaths after lung cancer. The aim of the current study was to compare the logistic regression and classification tree models in determining the risk factors and prediction of breast cancer. Methods: We used from the data of a case-control study conducted on 303 pa...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
مجله علوم پزشکی رازیجلد ۲۲، شماره ۱۳۵، صفحات ۱۳۱-۱۳۹
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023