7 نتیجه برای رگرسیون
باقر لاریجانی، مریم قدسی،
دوره 4، شماره 3 - ( 2-1384 )
چکیده
کشف لپتین که هورمونی 16 کیلو دالتونی ترشح یابنده از بافت چربی سفید است، علاقه بسیاری را برای تنظیم دریافت و مصرف انرژی برانگیخت؛ چرا که این هورمون در حیوانات و انسان، نقش تنظیم کننده دریافت غذا، مصرف انرژی و تعادل انرژی کل بدن را داراست. سطوح پلاسمایی لپتین با ذخایر چربی بدن ارتباط مستقیم دارد و به تغییرات در تعادل انرژی بدن پاسخ می دهد. در ابتدا تصور می شد که نقش آن در چاقی به عنوان هورمونی ضد چاقی باشد، اما این نقش معمولاً با مقاومت به لپتین کاهش می یابد.در حال حاضر به علت نقشی که در تنظیم تعادل انرژی بدن دارد، به‌طور ابتدایی جهت دارو درمانی چاقی در انسان و حیوان کاندید شده است.اگرچه کشف لپتین در فهم سازوکار بروز چاقی بسیار کمک کننده بوده است، هنوز پرسش‌های پاسخ داده نشده بسیاری وجود دارد که برای دانستن پاسخ آنها به تحقیقات جامع بیشتری نیاز است.در این مقاله آخرین اطلاعات بدست آمده در مورد نقش و عملکرد این هورمون در چاقی انسان بطور طبقه بندی شده، مرور می شود.
محمد اصغری جعفرآبادی، اکبر سلطانی، سیده مومنه محمدی،
دوره 12، شماره 6 - ( 6-1392 )
چکیده
در بسیاری از مطالعات علوم پزشکی و از جمله مطالعات مشاهده‌ای، بررسی رابطه میان متغیرها به عنوان اهداف پژوهشی تعریف می‌شوند. هدف از این مقاله، معرفی مفاهیم و روش‌های ساده و کاربردی آماری بررسی رابطه شامل انواع همبستگی و رگرسیون در این مطالعات می‌باشد. مبانی و نحوه انجام محاسبات شاخص‌ها و آزمون فرض‌های بررسی رابطه، نحوه محاسبه فاصله اطمینان و نحوه گزارش کردن یافته‌ها برای همبستگی پیرسون، همبستگی رتبه‌ای اسپیرمن، همبستگی درون کلاسی، رگرسیون خطی ساده و رگرسیون خطی چندگانه، ارائه گردید. برای بررسی رابطه بین دو متغیر کمی نرمال تحلیل همبستگی پیرسون، دو متغیر کمی غیر نرمال و یا رتبه‌ای تحلیل همبستگی اسپیرمن، توافق اندازه‌گیری‌های تکراری درون یک فرد یا بین مجموعه‌ای از افراد همبستگی درون کلاسی، و همچنین برای توصیف رابطه میان متغیر(های) مستقل و وابسته، پیش‌بینی متغیر وابسته بر اساس متغیر(های) مستقل و کنترل متغیرهای مخدوشگر، در قالب یک معادله، تحلیل رگرسیونی خطی ساده و چندگانه به کار می‌روند. در هر یک از وضعیت‌های فوق، علاوه بر P-Value برای تصمیم‌گیری، اندازه اثر مناسب رابطه و فاصله اطمینان آن باید گزارش شود. بر اساس مثال‌های مطالعاتی، محاسبات آزمون فرض‌ها و فاصله اطمینان‌های مزبور انجام و نتایج آنها ارائه گردید. برای بررسی رابطه، یک یا مجموعه‌ای از عوامل خطر با یک متغیر کمی، تحلیل‌های ارائه شده با توجه به موقعیت و هدف مطالعه توصیه می‌شود.
مهدی بختیاری مقدم، حسین شعبانی نژاد، علیرضا شمس معطّر، مریم ساریخانی، اسری اصغرزاده،
دوره 17، شماره 6 - ( 7-1397 )
چکیده
مقدمه: بررسی اثر پیام متنی تلفن همراه بر کنترل قند خون (هموگلوبین گلیکوزیله) در ارائه مراقبت دیابت نوع دو (دیابت غیروابسته به انسولین).
روش‌ها: مطالعه حاضر یک مرور نظام مند به همراه متارگرسیون می‌باشد. یک جستجو در مهم‌ترین بانک‌های اطلاعات الکترونیکی منابع پزشکی از یک دسامبر1992 تا یک ژانویه 2017 به شکل نظام‌مند از جمله: CRD ، Ovid Medline ، PubMed ، Cochrane Library و علاوه بر آن با مراجعه به منابع مقالات یافت شده و جستجوی دستی در سایت‌های مرتبط با این فناوری و در صورت لزوم با افراد خبره در این زمینه تماس گرفته شد. تمام مطالعات کارآزمایی بالینی تصادفی و کوهورت وارد شده مورد بررسی قرار گرفتند.
یافته‌ها: شرکت کنندگان از نه مطالعه (818 نفر) که همه کارآزمایی بالینی تصادفی بودند وارد و ارزیابی کیفیت شدند. میانگین کاهش در استفاده کنندگان از خدمات پیام کوتاه در مقایسه با گروه کنترل (SMD-0.324, 95% CI, − 0.526 to − 0.121; I2 = 51.0) بود. تجزیه و تحلیل زیرگروه‌ها نشان داد که بیماران جوان، به احتمال بیشتری در استفاده از برنامه‌های دیابت بهره می‌برند و اندازه اثر با دوره کوتاه مداخلات و اندازه نمونه‌های بزرگ افزایش می‌یابد.
نتیجه گیری: خدمات پیام کوتاه تلفن همراه ممکن است یک مؤلفه موثری برای کمک به کنترل هموگلوبین گلیکوزیله و به‌عنوان یک مداخله‌ی جانبی برای مراقبت بیماران مبتلا به دیابت نوع دو در نظر گرفته شود.
آسیه خسروانیان، سعید آیت،
دوره 18، شماره 2 - ( 11-1397 )
چکیده
مقدمه: تشخیص زودهنگام بیماری دیابت به‌منظور جلوگیری از عوارض و آسیب‌های ناشی از این بیماری امری حیاتی است. هدف از این مقاله طراحی یک سیستم هوشمند در دسته‌بندی افراد مبتلا به دیابت، با روش رگرسیون مبتنی بر شبکه عصبی پرسپترون چندلایه است.
روش‌ها: در این مطالعه‌ی توصیفی- تحلیلی یک سیستم هوشمند برای دسته‌بندی افراد به دو دسته سالم و مبتلا به بیماری دیابت طراحی‌شده است. سیستم طراحی‌شده با استفاده از نرم‌افزار MATLAB نسخه‌ی 2015 (197613/0/5/8) شبیه‌سازی‌شده است. مجموعه داده مورد استفاده در این پژوهش، مجموعه داده معیار PID موجود در مخزن داده یادگیری ماشین دانشگاه ایروین کالیفرنیا است. این مجموعه داده شامل 768 رکورد از زنان هندی و 8 فاکتور تشخیصی برای بیماری دیابت است.
یافته‌ها: داده‌های این مجموعه پس از پیش‌پردازش به‌صورت تصادفی به 20 دسته از کل مجموعه داده تقسیم شدند که شامل داده‌های آموزش و آزمون متفاوت بودند. در هر دسته داده از 90 درصد داده‌ها برای مرحله‌ی آموزش و 10 درصد باقی‌مانده برای مرحله‌ی آزمون استفاده شد. نتایج حاصل در بهترین حالت براساس شاخص‌های حساسیت، اختصاصیت، صحت و دقت در دسته‌بندی افراد، به‌ترتیب معادل اعداد 4815/0، 9804/0، 8077/0، 9286/0 به‌دست آمد.
نتیجه‌گیری: نتایج به‌دست‌آمده برتری سیستم هوشمند طراحی‌شده در دسته‌بندی افراد به دو دسته سالم و بیمار را نسبت به سایر روش‌های پیاده‌سازی شده بر این مجموعه داده تأئید می‌کند. استفاده از شبکه عصبی پرسپترون چندلایه برای تقریب تابع، موجب افزایش دقت سیستم پیشنهادی شده است.
نرگس شفاعی بجستانی، مریم آرادمهر، انسیه نسلی اصفهانی، بهروز خیابانی تنها،
دوره 18، شماره 2 - ( 11-1397 )
چکیده
مقدمه: دیابت یکی از بیماری‌های خطرناک و رایج جهان مدرن است. از آنجا که در تحقیقات پزشکی معمولاً داده‌های کمی در دسترس است و داده‌های پزشکی دارای عدم قطعیت و ابهام زیادی است، برای پیدا کردن رابطه‌ی ورودی و خروجی در داده‌های پزشکی استفاده از مدل های فازی مناسب به‌نظر می‌رسد. هیچکدام از مقالات قبلی از رگرسیون فازی برای پیش‌بینی عوارض دیابت از جمله نفروپاتی استفاده نکرده‌اند. لذا در این مطالعه، مدل رگرسیون فازی برای پیش‌بینی نفروپاتی در بیمار دیابتی استفاده شده است.
روش‌ها: در پژوهش حاضر از نتایج GFR آزمایشات قبلی بیمار برای پیش‌بینی افق دورتری از GFR و در نهایت پیش‌بینی عارضه‌ی کلیوی استفاده شده است. بیماری‌های مزمن کلیوی براساس مقدار GFR سطح‌بندی شده است که فازی سازی داده‌ها براساس این سطوح انجام شده است. پیش‌بینی GFR طی مراحل زیر انجام شد: مرحله‌ی 1، تعریف مجموعه‌های فازی براساس سطوح GFR، که برای هر سطح یک مجموعه فازی در نظر گرفته شده است. مرحله‌ی 2، فازی سازی داده‌های بیمار براساس مجموعه‌های فازی. مرحله‌ی 3، پیش‌بینی GFR با مدل رگرسیون فازی. مرحله‌ی 4، غیرفازی سازی مقادیر پیش‌بینی با استفاده از غیرفازی ساز میانگین. مرحله‌ی 5، ارزیابی کارایی مدل. خطای RMSE برای مقایسه کارایی مدل استفاده شده است.
یافته‌ها: نتایج پیش‌بینی GFR نشان داد که، مقایسه RMSE با استفاده از مدل رگرسیون خطی ساده 10.09 و با استفاده از مدل فازی 4.24 بود.
نتیجه گیری: مدل رگرسیون فازی قادر به پیش‌بینی نفروپاتی در بیماران دیابتی است.
مصطفی بسکاآبادی، نجمه مهاجری، علی تقی پور، حبیب الله اسماعیلی، سید جواد حسینی، احسان موسی فرخانی،
دوره 22، شماره 6 - ( 12-1401 )
چکیده
مقدمه: در ایران با پیشرفت فناوری و توسعه‌ی آمارهای ثبتی لزوم استفاده از روش‌های داده کاوی بیشتر مورد توجه محققین قرار گرفته است. درخت رگرسیون و طبقه‌بندی یکی از روش‌های مهم در مُدل‌بندی داده‌های حجیم است که برای کنترل جامعه و پیش‌بینی مورد توجه محققین زیادی قرار گرفته است. هدف این مطالعه تعیین متغیرهای تأثیرگذار بر فراوانی رخداد عوارض ناشی از دیابت است.
روش‌ها: این پژوهش از نوع مقطعی-تحلیلی است. در این پژوهش، اطلاعات تمام افراد مراجعه کننده‌ی دیابتی تحت پوشش دانشگاه علوم پزشکی مشهد در سال 1397 از سامانه‌ی سینا استخراج گردید. 5016 نفر از افراد وارد شده به مطالعه دارای عارضه‌ی دیابت و 53613 نفر نیز بدون عارضه بودند. روش برازش مدل درخت رگرسیون و طبقه‌بندی و معیار سنجش مدل ضریب تعیین و مساحت منحنی راک و نمودار Lift است.
یافته‌ها: منحنی راک برای مدل درختی برازش داده شده 8/73 درصد که نشان دهنده‌ی توان نسبتاً بالای مدل است. براساس نمودار Lift قدرت تصمیم‌گیری بروز عارضه‌ی دیابت برای فردی که مراجعه می‌کند 5/3 برابر افزایش می‌یابد.
نتیجه‌گیری: نتایج مدل رگرسیون و طبقه‌بندی درختی نشان داد که از متغیرهای کمی به‌ترتیب نزولی سن، عامل خطرسنجی، FBS، HbA1C، مجموع زمان فعالیت، کلسترول، FBS وHDL، بیماری قلبی و عروقی، سابقه‌ی سکته، فشار خون، کلسترول، تجویز استاتین، شغل با فعالیت فیزیکی سخت، منطقه‌ی زندگی، روغن مصرفی، پیاده‌روی، مصرف سبزی‌ها و جنسیت در فراوانی رخداد عارضه‌ی دیابت مؤثرتر از عوامل دیگر هستند.
نوید رفیعی،
دوره 23، شماره 1 - ( 3-1402 )
چکیده
مقدمه: دیابت سالانه باعث مرگ‌ومیر فراوانی می‌شود و تعداد افراد زیادی که به این بیماری مبتلا هستند به اندازه‌ی کافی وضعیت سلامت خود را درک نمی‌کنند. این مطالعه یک مدل مبتنی بر داده‌کاوی به‌منظور تشخیص و پیش‌بینی زودهنگام دیابت پیشنهاد می‌کند.
روش‌ها: با وجود اینکه تکنیک کا-میانه ساده است و می‌توان آن را برای طیف گسترده‌ای از انواع داده‌ها استفاده کرد، اما نسبت به موقعیت‌های اولیه مراکز خوشه که نتیجه‌ی نهایی خوشه را تعیین می‌کنند بسیار حساس است، به‌طوری‌که یا یک مجموعه داده‌ی خوشه‌بندی شده مناسب و کارا را برای مدل رگرسیون لجستیک فراهم می‌کند و یا مقدار کمتری داده را در نتیجه‌ی خوشه‌بندی ناصحیح مجموعه داده‌ی اصلی ارائه می‌دهد. از این‌رو، عملکرد مدل رگرسیون لجستیک را محدود می‌کند. هدف اصلی این مقاله تعیین راه‌های بهبود خوشه‌بندی کا-میانه و نتیجه‌ی دقت رگرسیون لجستیک است. از این‌رو، الگوریتم پیشنهادی شامل تکنیک‌های تحلیل مؤلفه‌های اصلی، کا-میانه و مدل رگرسیون لجستیک است.
یافته‌ها: نتایج به‌دست‌آمده از این مطالعه نشان می‌دهد که توانایی به‌دست آوردن نتیجه دقت خوشه‌بندی کا-میانه بسیار بالاتر از آن چیزی است که سایر محققان در مطالعات مشابه به‌دست آورده‌اند. همچنین در مقایسه با نتایج به‌دست‌آمده از سایر الگوریتم‌ها، مدل رگرسیون لجستیک در سطح بهبود یافته‌ای در پیش‌بینی شروع دیابت اجرا شد. مزیت واقعی دیگر این است که الگوریتم پیشنهادی توانست با موفقیت یک مجموعه داده‌ی جدید را مدل کند.
نتیجه‌گیری: به‌طور کلی، رویکرد پیشنهادی می‌تواند به شکل تأثیرگذاری در پیش‌بینی و تشخیص زودهنگام دیابت استفاده شود.
