کاربرد رگرسیون اسپایک و اسلب در تحلیل داده¬های بیماران دیابتی
[پایان نامه]
علوم بهزیستی و توانبخشی University of Social Welfare and Rehabilitation
۱۳۹۷
۷۵ص.
پیوست
کارشناسی ارشدSpeech Therapy
آمارزیستی
Biostatistics
۱۳۹۷۰۴/۲۳
مقدمه: بیماری دیابت از اختالات شایع متابولیسم در جهان است. این بیماری عوامل خطر متعددی دارد، شناخت این عوامل در پیشگیری از آن نقش مهمی دارد. رگرسیون اسپایک و اسلب یک روش انتخاب متغیر بیزی است و هنگامی مفید است که تعداد پیش بینی کنندهها بزرگتر از تعداد مشاهدات باشد. هدف این پژوهش تعیین عوامل مرتبط با بروز دیابت نوع دو با استفاده از مدل رگرسیون بیزی اسپایک و اسلب است.مواد و روش ها: در این مطالعه مقطعی-تحلیلی داده های 819 نفراز شرکت کنندگان در طرح غربالگری دیابت که در مرکز بهداشت زاهدان در سال 1393 انجام شده بود، استفاده گردید. نمونه گیری به صورت در دسترس بوده است. برای پیش بینی و انتخاب متغیر از مدل رگرسیون بیزی اسپایک و اسلب استفاده شد، سپس مدل با روش اعتبار سنجی متقابل 10 لایه ارزیابی شد. تحلیل داده ها نیز با استفاده از نرم افزار R نسخه 3.3.2 با بسته spikeslab انجام شد.یافته ها: عوامل سابقه خانوادگی دیابت (ژنتیک) و سن به عنوان عوامل موثر مرتبط با بیماری دیابت انتخاب شدند، همچنین سابقه خانوادگی دیابت با ضریب پایداری 100 درصد به عنوان پایدارترین متغیر انتخاب گردید.نتیجه گیری: استفاده از رگرسیون اسپایک و اسلب در مسایلی که تعداد متغیرها بیشتر از نمونه ها میباشد توصیه میشود. با توجه به عوامل مرتبط با بروز دیابت، اجرای طرح های غربالگری با اولویت بخشیدن به افراد مسن و افرادی که سابقه خانوادگی دیابت دارند می تواند در کنترل شیوع بیماری دیابت و کاهش هزینه های مرتبط بر آن در سطح ملی، کمک شایانی نماید.واژگان کلیدی: رگرسیون اسپایک و اسلب، مدل متوسط گیری بیزی، شبکه ارتجاعی تعمیم یافته، وزن، سابقه خانوادگی ، دیابت نوع 2
Introduction: Diabetes type 2 is one of the most prevalent metabolic disorders in the world. This disease has several risk factors. The prediction of these risk factors is important to prevent it. The aim of this studyis evaluating of therisk factors of diabetes type II by applying spike and skab regression.Methods: In this analytical cross- sectional study we used Diabetes Screening test data (n=819) in the Health Center of Zahedan in 2014. Sampling was in form available. The information like sex, age, blood pressure history, and fasting blood sugar and so on was extracted from patient’s files. We used regression of spike and slab to predict and select variables and validation of the model was checked out by performing a cross validation K -fold analysis. Data analysis was performed using the R software (3.3.2).Results: We found thatFamily history of diabetes and age was selected as related factors of diabetes type 2. Family history of diabetes with reliability coefficient 100% selected as the most reliable variable.Conclusions:the spike a slab regression model is an effective method to evaluate the predictability of variables and is also able to select most stable models in high dimensional settings without reducing predictive power of the main model. According to the related diabetes risk factors, performing diabetes screening plans with prioritizing older people or those with diabetes family history may help control the spread of diabetes and reduce its costs at the national level.Keywords:spike and slab, Beysian Averaging, Age, Family History, Diabetes Mellitus Type 2