مقایسه مدل های رگرسیون لجستیک با تحلیل جداسازی در پیش بینی دیابت نوع ۲

Authors

محمد آرام احمدی

m aram ahmadi department of biostatistics and epidemiology, faculty of health, kerman university of medical sciences, kerman, iranفوق لیسانس آمار زیستی، مرکز مدل سازی در سلامت و گروه آمار زیستی و اپیدمیولوژی دانشکده بهداشت، دانشگاه علوم پزشکی کرمان عباس بهرامپور

a bahrampour research center for modeling in health, institue for future studies in health, department of biostatistics and epidemiology, faculty of health, kerman university of medical sciences, kerman, iranدکترای آمار زیستی، استاد مرکز مدل سازی سلامت پزوهشکده اینده پژوهی و گروه آمار زیستی و اپیدمیولوژی دانشکده بهداشت، دانشگاه علوم پزشکی کرمان

abstract

مقدمه و اهداف: بیماری دیابت از جمله بیماری های مزمن بوده، که درمان قطعی ندارد و شایع ترین علت قطع اندام، نابینایی و نارسایی کلیوی و از عوامل خطر در ایجاد بیماری های قلبی است. رگرسیون لجستیک و تحلیل جداسازی از مدل های تحلیل آماری برای امر پیش بینی و جداسازی چند متغیره می باشند. هدف تعیین متغیرهای تأثیرگذار بر دیابت نوع 2 و مقایسه مدل های رگرسیون لجستیک و تحلیل جداسازی می باشد. روش کار: داده ها شامل اطلاعات 5357 نفر از مرکز فیزیولوژی دانشگاه علوم پزشکی کرمان میباشد. متغیر پاسخ دیابت ومتغیرهای وزن، قد،(bmi) body mass index)(، دور کمر، دور باسن، نسبت کمر به باسن (whr) ، waist hip ratio)( کلسترول و ... در مدل در نظر گرفته شدند. برای مقایسه از حساسیت، ویژگی، دقت، منحنی راک و شبیه سازی استفاده شد. نتایج: حساسیت، ویژگی و دقت پیش بینی در مدل لجستیک و تحلیل جداسازی به ترتیب 74، 1/71  و 5/71  و 4/22،22/95  و 3/85  بود. منحنی راک برای مدل رگرسیون لجستیک 3/80 درصد 0 و تحلیل جداسازی 1/80 درصد به دست آمد. شبیه سازی نشان داد که حساسیت، ویژگی، دقت و منحنی راک در مدل لجستیک و مدل جداسازی به ترتیب 18/99، 49/98 ، 59/98  و 9/99 و 62/92 ، 19/99 ، 26/98  و 56/99 شدند. نتیجه ‏گیری: نتایج نشان داد که دور کمر، سن، جنس، مصرف داروی کاهنده فشار خون، اندازه فشار خون سیستولیک و سطح ldl مهم میباشند. حساسیت در مدل لجستیک بیشتر ، اما ویژگی و دقت پیش بینی در تحلیل جداسازی بالاتر بود. منحنی های راک نشان داد که مقادیر پیش بینی به طور مجانبی یکسان بودند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

مقایسه مدل‌های رگرسیون لجستیک با تحلیل جداسازی در پیش‌بینی دیابت نوع 2

Background and Objectives: Diabetes is a chronic and common metabolic disease which has no curative treatment. Logistic regression (LR) is a statistical model for the analysis and prediction in multivariate statistical techniques. Discriminant analysis is a method for separating observations in terms of dependent variable levels which can allocate any new observation after making discriminating...

full text

مقایسه دقت پیش بینی شبکه های عصبی مصنوعی و رگرسیون لجستیک دو متغیره در تشخیص هم‏زمان بیماری فشارخون و دیابت

  Background : Diabetes and hypertension are from important non-communicable diseases in the world and their prevalence are very important for health authorities. The objective of this study was to compare the predictive precision of joint logistic regression (LR) and artificial neutral network (ANN) in concurrent diagnosis of diabetes and hypertension.   Methods : This cross-sectional study wa...

full text

شناسایی عوامل تعیین کننده ی وقوع پیش دیابت با استفاده از مدل رگرسیون لجستیک در مشهد

مقدمه: ﻋﺪم ﮐﻨﺘﺮل ﺑﻪ ﻣﻮﻗﻊ دﯾﺎﺑﺖ ﻣﻨﺠﺮ ﺑﻪ ﻋﻮارض ﺟﺒﺮان ﻧﺎﭘﺬﯾﺮی در ﺳﺎﯾﺮ اندام ﻫﺎی ﺑﺪن از ﺟﻤﻠﻪ ﻗﻠﺐ، ﮐﻠﯿﻪ و ﭼﺸﻢ ﻣﯽﮔﺮدد. هدف از این مطالعه بررسی ﻋﻮاﻣﻞ ﺗﻌﯿﯿﻦ ﮐﻨﻨﺪه اﺑﺘﻼ ﺑﻪ پیش دﯾﺎﺑﺖ ﺑﺎ اﺳﺘﻔﺎده از مدل رگرسیون لجستیک می‌باشد.روش ها: این مطالعه از نوع مقطعی- تحلیلی بوده و داده ها مربوط به آن از مطالعه ی مشهد می‌باشد. جمعیت مورد مطالعه با استفاده از روش نمونه گیری طبقه ای- خوشه ای انتخاب شدند. نمونه‌ها شامل...

full text

کارایی شبکه های عصبی، رگرسیون لجستیک و تحلیل تمایزی در پیش بینی نکول

مدل­ های آماری مختلفی برای پیش بینی و طبقه بندی در علوم وجود دارد.  روش ­های آماری و اقتصادسنجی نظیر رگرسیون، تحلیل تمایزی، سری ­های زمانی، رده بندی و دیگر  روش ­ها، بر اساس متغیرها و اطلاعات موجود برای پیش بینی و طبقه بندی یک موضوع خاص به کار می­ روند.  مدل ­های آماری متأثر از مفروضات و محدودیت­ های زیادی هستند، بدین لحاظ اخیرا شبکه­ های عصبی به عنوان شیوه­ ی نوین پیش بینی به دلیل عدم نیاز به ...

full text

مقایسه مدل شبکه های عصبی مصنوعی با روش¬های رگرسیون لجستیک و تحلیل ممیزی در پیش بینی ورشکستگی شرکت¬ها

یکی از مهم¬ترین موضوع¬های مطرح شده در زمینه مدیریت مالی، این است که سرمایه¬گذاران فرصت¬های مطلوب سرمایه¬گذاری را از فرصت¬های نامطلوب تشخیص دهند و منابعشان را در فرصت¬های مناسب سرمایه گذاری کنند. از مهمترین روش هایی که می¬توان با استفاده از آن به بهره¬گیری مناسب از فرصت¬های سرمایه¬گذاری و همچنین جلوگیری از به هدر رفتن منابع کمک کرد، پیش بینی ورشکستگی شرکت ها است. برای این منظور مدل های مختلفی وج...

full text

مقایسه مدل شبکه های عصبی مصنوعی با روش های رگرسیون لجستیک و تحلیل ممیزی در پیش بینی ورشکستگی شرکت ها

یکی از مهم ترین موضوع های مطرح شده در زمینه مدیریت مالی، این است که سرمایه گذاران فرصت های مطلوب سرمایه گذاری را از فرصت های نامطلوب تشخیص دهند و منابعشان را در فرصت های مناسب سرمایه گذاری کنند. از مهمترین روش هایی که می توان با استفاده از آن به بهره گیری مناسب از فرصت های سرمایه گذاری و همچنین جلوگیری از به هدر رفتن منابع کمک کرد، پیش بینی ورشکستگی شرکت ها است. برای این منظور مدل های مختلفی وج...

full text

My Resources

Save resource for easier access later


Journal title:
مجله اپیدمیولوژی ایران

جلد ۱۱، شماره ۳، صفحات ۶۲-۶۹

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023