این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دانشکده پزشکی دانشگاه علوم پزشکی تهران، جلد ۷۶، شماره ۷، صفحات ۴۵۲-۴۵۸
عنوان فارسی مقایسه نتایج مدل رگرسیون لجستیک معمولی و لجستیک نیرومند در مدل‌بندی عوامل مرتبط با بیماری پره‌دیابت
چکیده فارسی مقاله زمینه و هدف: با توجه به اینکه خطر ابتلا به دیابت در افراد پره‌دیابتیک بسیار بالا است، تعیین عوامل موثر بر پره‌دیابت دارای اهمیت می‌باشد. این مطالعه با هدف مقایسه نتایج مدل رگرسیون لجستیک معمولی و لجستیک نیرومند در مدل‌بندی عوامل مرتبط با بیماری پره‌دیابت انجام شد. روش بررسی: این مطالعه که از نوع مقطعی-تحلیلی است روی 6460 نفر از افراد بالای30 سال، شرکت‌کننده در طرح غربالگری دیابت دانشگاه علوم پزشکی مشهد، از مهر تا آذر 1389 انجام شد. با توجه به میزان قند‌خون ناشتای افراد، 5414 نفر سالم و 1046 نفر به‌عنوان پره‌دیابتیک شناسایی شدند. سن، جنس، نمایه توده بدن، فشار‌خون سیستولیک، فشار‌خون دیاستولیک و نسبت کمر به باسن در مورد هر فرد اندازه‌گیری شد. مدل رگرسیون لجستیک معمولی روی داده‌ها برازش شد. سپس داده‌های پرت مشخص و سه مدل نیرومند Mallow، WBY و BY برازش شد. آنگاه مدل‌ها با هم مقایسه گردیدند. یافته‌ها: متغیرهای سن، نمایه توده بدن و فشار‌خون سیستولیک در همه مدل‌ها از لحاظ آماری معنادار شدند (0/01P<) و متغیر نسبت کمر به باسن معنادار نشد (0/1P>). تعداد 552 داده‌ی پرت با خطای بدرده‌بندی در مدل معمولی وجود داشت. مقادیر کای دو پیرسون و سطح زیرمنحنی راک در مدل Mallow به‌طور تقریبی فرقی با مدل معمولی نداشت. اما در مدل‌های WBY و BY به نسبت بیشتر بود. نتیجه‌گیری: با توجه به نتایج این پژوهش سن بالا، نمایه توده بدنی و فشار‌خون بالا در ابتلا به بیماری پره‌دیابت موثر می‌باشند. همچنین مدل‌های رگرسیون نیرومند WBY و BY برازش بهتر و توان پیشگویی بالاتری نسبت به رگرسیون لجستیک معمولی در مدل‌بندی عوامل گفته‌شده در ارتباط با پره‌دیابت دارند.
کلیدواژه‌های فارسی مقاله نمایه توده بدنی، دیابت شیرین، مدل‌های لجستیک، مرحله پره‌دیابت
عنوان انگلیسی Comparison of ordinary logistic regression and robust logistic regression models in modeling of pre-diabetes risk factors
چکیده انگلیسی مقاله Background: Regarding the increased risk of developing type 2 diabetes in pre-diabetic people, identifying pre-diabetes and determining of its risk factors seems so necessary. In this study, it is aimed to compare ordinary logistic regression and robust logistic regression models in modeling pre-diabetes risk factors. Methods: This is a cross-sectional study and conducted on 6460 people, over 30 years old, who have participated in the screening of diabetes plan in Mashhad city that it was done by Mashhad University of Medical Sciences from October to December 2010. According to the fasting blood sugar criteria, 5414 individuals were identified as healthy and 1046 individuals were identified as pre-diabetic. Age, gender, body mass index, systolic blood pressure, diastolic blood pressure and waist-to-hip ratio were measured for every participant. The data was entered into the Microsoft Excel 2013 (Microsoft Corp., Redmond, WA, USA) and then analysis of the data was done in R Project for Statistical Computing, Version R 3.1.2 (www.r-project.org). Ordinary logistic regression model was fitted on the data. The outliers were identified. Then Mallow, WBY and BY robust logistic regression models were fitted on the data. And then, the robust models were compared with each other and with ordinary logistic regression model according to goodness of fit and prediction ability using Pearson's chi-square and area under the receiver operating characteristic (ROC) curve respectively. Results: Among the variables that were included in the ordinary logistic regression model and three robust logistic models, age, body mass index and systolic blood pressure were statistically significant (P< 0.01) but waist-to-hip ratio was not statistically significant (P> 0.1). There were 552 outliers with misclassification error in the ordinary logistic regression model. Pearson's chi-square value and area under the ROC curve value in the Mallow model were almost the same as for ordinary logistic regression model. But it was relatively higher in BY and WBY models. Conclusion: Based on results of this study age, overweight and hypertension are risk factors of prediabetes. Also, WBY and BY models were better than ordinary logistic regression model, according to goodness of fit criteria and prediction ability.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله فاطمه عزیزی مایوان | Fateme Azizi Mayvan
Department of Public Health, Neyshabur University of Medical Sciences, Neyshabur, Iran.
گروه بهداشت عمومی، دانشگاه علوم پزشکی نیشابور، نیشابور، ایران.

مهدی جباری نوقابی | Mehdi Jabbari Nooghabi
Department of Statistics, School of Mathematics, Ferdowsi University, Mashhad, Iran.
گروه آموزشی آمار، دانشکده علوم ریاضی، دانشگاه فردوسی، مشهد، ایران.

علی تقی‌پور | Ali Taghipour
Department of Epidemiology, Social Determinants of Health Research Center, Mashhad University of Medical Sciences, Mashhad, Iran.
گروه اپیدمیولوژی، مرکز تحقیقات عوامل اجتماعی موثر بر سلامت، دانشگاه علوم پزشکی مشهد، مشهد، ایران.

محمدتقی شاکری | Mohammad Taghi Shakeri
Department of Biostatistics, Social Determinants of Health Research Center, Mashhad University of Medical Sciences, Mashhad, Iran.
گروه آمار زیستی، مرکز تحقیقات عوامل اجتماعی موثر بر سلامت، دانشگاه علوم پزشکی مشهد، مشهد، ایران.

مهسا مکرم | Mahsa Mokarram
Department of Demographics, Student Research Committee, Islamic Azad University, Central Tehran Branch, Tehran, Iran.
گروه جمعیت‌شناسی، کمیته تحقیقات دانشجویی، دانشگاه آزاد اسلامی، واحد تهران مرکزی، تهران، ایران.

نشانی اینترنتی http://tumj.tums.ac.ir/browse.php?a_code=A-10-3666-90&slc_lang=other&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/54/article-54-983807.pdf
کد مقاله (doi)
زبان مقاله منتشر شده other
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده مقاله اصیل
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات