عنوان

کاربرد رگرسیون لجستیک در داده های دیابت دارای خطای طبقه بندی

IR

۲۷۰۴پ

فارسی

IR

کاربرد رگرسیون لجستیک در داده های دیابت دارای خطای طبقه بندی

[پایان‌نامه]

Application of Logistic Regression in Diabetes Data with Misclassification

علوم بهزیستی و توانبخشی University of Social Welfare and Rehabilitation))

، ۱۳۹۶

۱۰۲ص.

چاپی

کارشناسی ارشد

آمار زیستی Statistics))

علوم بهزیستی و توانبخشی University of Social Welfare and Rehabilitation))

مقدمه :تحلیل داده های طبقه بندی شده در آمار و علوم پزشکی از اهمیت خاصی برخوردار است .گرچه ممکن است در مطالعات متغیر پاسخ دو حالتی به غلط طبقه بندی شوند .لذا نتایج برازش مدل رگرسیون لجستیک برای پاسخ دوحالتی غلط طبقه بندی شده، اریب و تفسیر نادرستی خواهد داشت .هدف این مطالعه تشخیص و تصحیح اریبی حاصل از خطای طبقه بندی غلط متغیر پاسخ دوحالتی ابتلا به دیابت بوسیله رگرسیون لجستیک میباشد .روش :در این مطالعه توصیفی، از داده های ۸۱۹ نفر از شرکت کنندگان در طرح غربالگری دیابت در مرکز بهداشت زاهدان سال ۱۳۹۳ استفاده شد .ابتلا به دیابت نوع ۲ به دو طریق بررسی شده است .ابتدا بوسیله آزمایش قند خون معمولی( بدون ناشتا) که عدم ارتباط بین ابتلا به دیابت نوع دو با فشار خون بوسیله رگرسیون لجستیک و نسبت شانس مشخص شد و سپس برای معتبر سازی، آزمایش قند خون ناشتا انجام شد، که ارتباط معنادار بود .خطای طبقه بندی غلط بر اساس میزان قند خون با توجه به پایین بودن حساسیت و ویژگی آزمایش قند خون در نظر گرفته شد .برای تصحیح خطای طبقه بندی از روش نسبت درستنمایی برای برآورد ضرایب استفاده شد .در آنالیز داده ها از نرم افزار SAS نسخه ۳.۱.۹ و procedure NLMIXED با سطح معنی داری ۰/۰۵ استفاده گردید .یافته ها :ضرایب تصحیح موجب تغییر نسبت شانس ابتلا به دیابت در متغیر فشار خون از ۰/۲۲۷ به ۱/۱۲۰ و معناداری آن گردید>(P۰۰۱.۰ .)به علاوه، بر اورد سایر متغیرهای مدل نیز تغییر یافتند .نتیجه گیری : رگرسیون لجستیک برای داده های دارای خطای طبقه بندی می تواند به عنوان یک روش مناسب در تحلیل داده های دارای خطای طبقه بندی مورد استفاده قرار گیرد .معتبرسازی با استفاده از رگرسیون لجستیک برای داده های دارای خطای طبقه بندی نشان داد که فشارخون بالا اثر معناداری بر ابتلا به بیماری دیابت دارد .پیشنهاد می شود با توجه به اینکه در داده های طرح های غربالگری احتمال خطای طبقه بندی وجود دارد جهت تعدیل اریبی نسبت شانس از روش رگرسیون لجستیک استفاده شود .واژگان کلیدی :رگرسیون لجستیک، خطای طبقه بندی ، نسبت شانس، دیابت

Introduction: The analysis of classified data in statistics and medical sciences is very important. If the binary response variable to be misclassified, the results of fitting the model, will be skewed and false interpretation. The aim of this study is application of logistic regression with misclassified variables in diabetes data. Methods: In this descriptive study, data from 819 participants in the diabetes screening program at Zahedan Health Center in 2014 were used. Type 2 diabetes has been studied in two ways. At first, by testing the normal blood glucose (without fasting), the lack of correlation between type 2 diabetes and blood pressure was determined by logistic regression and odds ratios, and then a fasting blood glucose test was used for validation, which was significant. False classification was considered based on the level of blood glucose due to the low sensitivity and specificity of blood glucose test. To correct the classification error, the likelihood ratio method was used to estimate the coefficients. Data analysis was done using the software SAS version 9.1.3 and procedure NLMIXED with a significant level of 0.05. Results: The correlation coefficient changed the odds ratio of diabetes in the blood pressure variable from 0.227 to 1.20 and significantly (P<0.001). In addition, other model variables have been modified. Conclusion: Method of logistic regression with misclassified data is a good choice to estimate correct odds ratio response variable may be misclassified. Using logistic regression for misclassified data validation showed that the blood pressure has a significant effect on diabetes. It is suggested that the logistic regression method should be used in order to correct the odds ratio in view of the probability of misclassification error in the screening data. Keywords: Logistic regression, Misclassification, Odds ratio, Diabetes.

ba

Application of Logistic Regression in Diabetes Data with Misclassification

Logistic regression

رگرسیون لجستیک

Logistic regression

رستگار، مریم

Rastegar, Maryam

حسین زاده، سمانه

بخشی، عنایت الله

ایران

دانشگاه علوم توان بخشی و سلامت اجتماعی

2704t.pdf

محرمانه

محرمانه

2704t.pdf

2775903

مرجع

متن

0

۴۰۷۲پ

محل نگهداری: دانشگاه علوم بهزیستی و توانبخشی

نمایه‌سازی قبلی

چاپی-الکترونیکی

TF

1

a

Y