Tolooebehdasht
طلوع بهداشت
TB
Medical Sciences
http://tbj.ssu.ac.ir
1
admin
1728-5127
2538-1598
8
7
14
11
13
fa
jalali
1396
12
1
gregorian
2018
3
1
16
6
online
1
fulltext
fa
کاربرد مدل کلاس پنهان بیز در تعیین ارزش تشخیصی SPECT و MRI مغز جهت تشخیص حس بویایی بعد از تروما بدون حضور استاندارد طلایی
Application of Bayesian Latent Class Model in Determining the Diagnostic Value of Brain SPECT and MRI for Detecting Posttraumatic Olfactory in the Absence of Golden Standard
تخصصي
Special
پژوهشي
Research
<strong>چکیده</strong><br>
<strong>مقدمه</strong>: حس بویایی کیفیتی غیرقابل توصیف به زندگی انسان می بخشد. اختلال در این حس در زندگی روزمره مشکلات زیادی ایجاد خواهد کرد. <span dir="LTR">MRI</span> و <span dir="LTR">SPECT</span> دو روش تعیین حس بویایی است که هیچ کدام استاندارد طلایی نیستند. مدل کلاس پنهان بیز روشی صحیح جهت تعیین ارزش تشخیصی این آزمون ها می باشد.<br>
<strong>روش بررسی</strong>: دو آزمون <span dir="LTR">MRI</span> و <span dir="LTR">SPECT</span> برروی 63 بیمار حائز شرایط مورد مطالعه که از ابتدای تیرماه 1390 تا ابتدای مهر 1391به بیمارستان شهید رهنمون یزد مراجعه کردند، انجام شد. نتایج حاصل به عنوان تابع درستنمایی ماکزیمم با توزیع پیشین، بااستفاده از زنجیر مارکوف مونت کارلو در نرم افزار <span dir="LTR">winbugs</span> نسخه 3 . 4 . 1 ترکیب شده و میانه ی توزیع پسین به عنوان برآورد پارامترها معرفی شد.دو مدل وابسته و مستقل شرطی با استفاده از معیار انحراف اطلاعات (<span dir="LTR">DIC</span>) مقایسه شد.<br>
<strong>یافته ها</strong>: حساسیت و ویژگی <span dir="LTR">MRI</span> جهت تشخیص بویایی غیرنرمال، در مدل وابسته ی شرطی، 58% و 89% و برای <span dir="LTR">SPECT</span> به ترتیب 73% و 84% تعیین و ارزش اخباری مثبت و منفی هردو تست نیز برآورد شد. همگرایی زنجیر و نیکویی برازش مدل نیز با استفاده از نمودارهای سری زمانی وجلمن-روبین و <span dir="LTR">p-value</span> بیز تأیید شد. با توجه به کوچکتر بودن <span dir="LTR">DIC</span> برای مدل وابسته، این مدل جهت برازش به این داده ها برتر از مدل مستقل تعیین شد.<br>
<strong>نتیجه گیری</strong>: در مدل کلاس پنهان بیز، نتایجی متفاوت از حالتی که از این مدل استفاده نشده، حاصل می گردد. بهتر است هردو مدل وابسته و مستقل شرطی به داده ها برازش شده و نهایتاً با هم مقایسه شوند.
<strong>Abstract</strong><br>
<strong>Introduction</strong>: The sense of smell gives unexplainable quality to human life. The impairment In this sense will create lot of problems. MRI and SPECT are two way of olfactory evaluation that none of the both is not Gold standard. Bayesian latent class model is the correct way to determine the diagnostic value of these tests.<br>
<strong>Methods</strong>: MRI and SPECT tests performed on 63 patients eligible for the study that went from the beginning of July 2011 to the end of September 2012 to hospital Shahid Rahnemoun. The results ,as maximum likelihood function with prior distribution combines, using Markov chain Monte Carlo in winbugs 1.4.3 software. the median of the posterior distribution presented as the parameter estimates. Both dependent and independent conditional models was compared using criterion DIC.<br>
<strong>Results</strong>: The sensitivity and specificity of MRI to detect abnormal olfactory ,determined in model conditional depends , 58% and 89% respectively and 73% and 84% for SPECT. positive and negative predictive values were calculated for both the test.Convergence chains and goodness of fit of model using time-series charts and Brook–Gelman–Rubin and Bayesian p-value was confirmed. considering the lower criterion DIC for conditional dependence, this model was determined the best fit to the data.<br>
<strong>Conclusion</strong>: In Latent Class Model, different results are obtained from the when this model is not used. It is better that both conditional dependent and independent model fitted to the data, and finally were compared.
واژه های کلیدی: حس بویایی, آزمون SPECT , آزمون MRI , استاندارد طلایی,کلاس پنهان بیز
Bayesian Latent Class, Golden Standard, MRI Test, Olfactory, SPECT Test
13
22
http://tbj.ssu.ac.ir/browse.php?a_code=A-10-1050-1&slc_lang=fa&sid=1
Hossein
Fllahzadeh
حسین
فلاح زاده
hofaab@yahoo.com