مقایسه دقت پیش بینی شبکه های عصبی مصنوعی و رگرسیون لجستیک دو متغیره در تشخیص هم‌زمان بیماری فشارخون و دیابت

Abstract

زمینه و هدف : دیابت و فشار خون از جمله بیماریهای غیر واگیر هستند که شیوع آنها برای مسئولان بهداشتی کشور بسیار مهم می باشند. هدف این مطالعه مقایسه مدل رگرسیون لجستیک ( LR ) دو متغیره با شبکه‌های عصبی مصنوعی ( Artificial Neural Networks=ANN ) در پیش‌بینی هم‏زمان رخداد بیماری فشارخون ودیابت می‏باشد. روش‏ کار : این مطالعه تحلیلی- مقطعی در سال 1392-1391 در تهران با نمونه‌ای 12000 نفر از بالغین انجام شد. پرسشنامه طرح شامل گزینه ‌ هایی درباره فشار خون و دیابت و عوامل خطر این بیماری‌ها بود. یک مدل ANN پرسپترون با دو لایه پنهان با به کارگیری نرم‌افزار MATLAB بر داده‌ها برازش داده شد. متغیرهای مطالعه سابقه دیابت و فشار خون، جنسیت، نوع روغن مصرفی، فعالیت بدنی، سابقه فامیلی، سن، سیگار کشیدن وچاقی بودند. برای مدل‌سازی ابتلای توام به بیماریها، از مدل LR توام در نرم‌افزار SAS استفاده شد. برای بررسی دقت پیش‌بینی‌های حاصل از مدل LR و ANN در ابتلای توام بیماری‌ها از سطح زیر منحنی ROC استفاده گردید. یافته‌ها : متغیرهای جنس، نوع روغن مصرفی، فعالیت بدنی، سابقه فامیلی، سن، سیگاری غیرفعال وچاقی وارد مدل LR دو متغیره و ANN شدند. برای مدل LR نسبت بخت‌های متغیرهای فوق به ترتیب14/1، 58/0، 8/1، 32/1، 36/0، 76/0 و 47/0 بدست آمد. بنابراین بخت ابتلای توأم به بیماری‌ها در زنان (14/1)، عدم فعالیت بدنی (8/1) و دارای سابقه فامیلی (32/1) نسبت به سایر گروه‌ها بیشتر است. سطح زیر منحنی ROC برای مدل LR دو متغیره و ANN به ترتیب 78/0 (039/0= p ) و 86/0 (046/0= p ) حاصل شد. نتیجه‌گیری : با توجه به نتایج و مقایسه دقت پیش‌بینی روش‌های فوق، به کارگیری ANN نسبت به مدل LR دو متغیره برای تشخیص هم‌زمان بیماری دیابت و فشار خون دقت بالاتری دارد.