کاربرد مدل های درخت تصمیم، رگرسیون لجستیک و رگرسیون لجستیک جمعی برای پیش بینی بهبودی بیماران مبتلا به ;کاهش شنوایی حسی عصبی ناگهانی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه اپیدمیولوژی و آمارزیستی، دانشکده بهداشت، دانشگاه علوم پزشکی مشهد، مشهد، ایران

2 گروه گوش و حلق و بینی، بیمارستان قائم، دانشگاه علوم پزشکی مشهد

چکیده

مطالعه حاضر با هدف پیش بینی بهبودی بیماران مبتلا به کاهش شنوایی حسی عصبی ناگهانی با استفاده از مدلهای درخت تصمیم، رگرسیون لجستیک، و رگرسیون لجستیک جمعی انجام شده است. در این مطالعه اطلاعات پرونده کلیه بیماران مبتلا به کاهش شنوایی حسی عصبی ناگهانی مراجعه کننده به بخش گوش و حلق و بینی بیمارستان قائم مشهد از سال 1389 تا 1399 بررسی گردید. پس از پیش پردازش داده ها مدلسازی رگرسیون لجستیک، درخت تصمیم و مدل رگرسیون لجستیک در محیط برنامه نویسی R4.3.2 انجام شد.اگرچه آزمون کای اسکور در تحلیل اولیه نشان داد بیماریهای زمینه ای فشار خون بالا و دیابت شانس بهبودی را به طور معنی داری کاهش می دهد، براساس نتایج حاصل از مدل رگرسیون لجستیک، متغیرهای سن، وSRT در شروع درمان معنی دار شناخته شدند. متغیرهای نهایی بکار رفته در درخت تصمیم نیز شامل سن،SRT در شروع درمان، و جنسیت بیماران بود. مدل رگرسیون لجستیک جمعی همانند مدل رگرسیون لجستیک ساده، نشان داد که با افزایش سن و افزایش زمان تاخیر در شروع درمان، شانس بهبودی بیماران کاهش می یابد. اما علاوه بر این متفیرها، داشتن عفونت اخیر و تاخیر در شروع درمان نیز در مدل رگرسیون لجستیک جمعی معنی دار شناسایی شدند. بنابراین در مطالعه حاضر مدل رگرسیون لجستیک جمعی متغیرهای معنی دار بیشتری را نسبت به مدل رگرسیون لجستیک معمولی و درخت تصمیم شناسایی کرده است، که می توان در پیش بینی پاسخ به درمان آنها را در نظر گرفت.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Application of decision tree models, logistic regression and pooled logistic regression to predict recovery in patients with sudden sensorineural hearing loss

نویسندگان [English]

  • Razieh Yousefi 1
  • Mohsen RahjatiHaghi 2
  • Azadeh Saki 1
1 Department of Epidemiology and Biostatistics, School of Health, Mashhad University of Medical Sciences, Mashhad, Iran
2 Otorhinolaryngology Department of Qhaem Hospital, Mashhad University of Medical Sciences
چکیده [English]

The present study aimed to predict the recovery of patients with sudden sensorineural deafness using decision tree, logistic regression, and additive logistic regression models. In this study, the data of all patients with sudden sensorineural deafness referred to the ENT department of Ghaem Hospital in Mashhad from 2010 to 2019 were recruited. After preprocessing the data, logistic regression modeling, decision tree, and logistic regression model were performed in the R4.3.2 programming environment. Although the chi-square test in the primary analysis showed that underlying diseases such as high blood pressure and diabetes significantly reduce the chance of recovery, based on the results of the logistic regression model, the variables of age and SRT at the start of treatment were found to be significant. The final variables used in the decision tree also included age, SRT at the start of treatment, and gender of the patients. The additive logistic regression model, like the ordinary logistic regression model, showed that with increasing age and increasing delay in starting treatment, the chance of recovery of patient’s decreases. In addition to these variables, having a recent infection and delay in starting treatment were also identified as significant in the additive logistic regression model. Therefore, in the present study, the additive logistic regression model identified more significant variables than the ordinary logistic regression model and the decision tree, which can be considered in predicting response to treatment.

کلیدواژه‌ها [English]

  • sudden sensorineural hearing loss
  • decision tree model
  • logistic regression model
  • additive logistic regression model

فایل ها

هم رسانی

ارجاع به این مقاله

آمار