دوره 17، شماره 1 - ( فروردین و اردیبهشت 1397 )
جلد 17 شماره 1 صفحات 23-14 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
askarishahi M, ghasemi N, Fallahzade H, Afkhami Ardekani M, AfkhamiArdekani A. Comparing of Decision Tree with Logistic Regression Model in Evaluating Osteoporosis. TB 2018; 17 (1) :14-23
URL: http://tbj.ssu.ac.ir/article-1-1209-fa.html
URL: http://tbj.ssu.ac.ir/article-1-1209-fa.html
عسکری شاهی محسن، قاسمی نسیمه، فلاح زاده حسین، افخمی اردکانی محمد، افخمی اردکانی آرزو. مقایسه مدل درخت تصمیم و رگرسیون لوجستیک در ارزیابی پوکی استخوان. طلوع بهداشت. 1397; 17 (1) :14-23
دانشگاه علوم پزشکی و خدمات بهداشتی درمانی شهید صدوقی یزد ، moasbio@gmail.com
چکیده: (3809 مشاهده)
مقدمه: تشخیص زودهنگام استئوپروز کلیدی برای پیشگیری است، لیکن تشخیص، بدون استفاده از روش های تشخیصی مناسب ، به علت پیچیدگی عوامل خطر استئوپروز و روند تدریجی از دست رفتن استخوان مشکل است هدف این مطالعه ارائه و سنجش کارایی یک الگوی پیشگویی استئوپروز با استفاده از تکنیک درخت تصمیم به عنوان یک روش تشخیصی براساس عوامل خطر در دسترس است تا به وسیله آن افراد درمعرض خطر برای انجام فعالیت های پیشگیرانه شناسایی شوند.
روش بررسی : برای انجام این مطالعه از داده های 131 زن با سن 20 تا 40 سال استفاده شد. متغیر پاسخ مقدار تراکم استخوان (t-score ) ناحیه 4L-1L کمری بود که به دوگروه نرمال(1- =< t-score) و در معرض خطر استئوپروز (1- > t-score) تقسیم شد. به منظور تعیین عوامل خطر استئوپروز از مدل درخت تصمیم به روش ارزیابی متقاطع با 4=k و رگرسیون لوجستیک استفاده شد. برای بررسی دقت پیش بینی دو مدل، سطح زیرمنحنی مشخصه عملکرد (AUROC)به کار گرفته شد. تحلیل داده ها با نرم افزار R انجام شد.
یافته ها: سه متغیر تعداد حاملگی ، BMI و میزان کلسیم به عنوان عوامل خطر استئوپروز از مدل درختی به دست آمد و سطح زیر منحنی مشخصه عملکرد درخت تصمیم و رگرسیون لوجستیک به ترتیب برابر 665/0 و 686/0 حاصل شد.
نتیجه گیری: سطح زیر منحنی مشخصه عملکرد برتری نسبی رگرسیون لوجستیک را نشان داد که با توجه به مزایای درخت تصمیم به کار گیری همزمان دو روش پیشنهاد می شود.
روش بررسی : برای انجام این مطالعه از داده های 131 زن با سن 20 تا 40 سال استفاده شد. متغیر پاسخ مقدار تراکم استخوان (t-score ) ناحیه 4L-1L کمری بود که به دوگروه نرمال(1- =< t-score) و در معرض خطر استئوپروز (1- > t-score) تقسیم شد. به منظور تعیین عوامل خطر استئوپروز از مدل درخت تصمیم به روش ارزیابی متقاطع با 4=k و رگرسیون لوجستیک استفاده شد. برای بررسی دقت پیش بینی دو مدل، سطح زیرمنحنی مشخصه عملکرد (AUROC)به کار گرفته شد. تحلیل داده ها با نرم افزار R انجام شد.
یافته ها: سه متغیر تعداد حاملگی ، BMI و میزان کلسیم به عنوان عوامل خطر استئوپروز از مدل درختی به دست آمد و سطح زیر منحنی مشخصه عملکرد درخت تصمیم و رگرسیون لوجستیک به ترتیب برابر 665/0 و 686/0 حاصل شد.
نتیجه گیری: سطح زیر منحنی مشخصه عملکرد برتری نسبی رگرسیون لوجستیک را نشان داد که با توجه به مزایای درخت تصمیم به کار گیری همزمان دو روش پیشنهاد می شود.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
