مقایسه روش‌های بیزی و فراونی‌گرا در برآورد شاخص‌های بهبود بازطبقه‌بندی برای ارزیابی مدل‌های پیش‌بینی: مطالعه قند و لیپید تهران

Abstract

مقدمه: برای برآورد شاخص­ های بهبود بازطبقه­ بندی خالص (NRI) و تشخیصی ادغام شده (IDI) که برای برآورد مقدار تاثیر افزودن نشانگرهای جدید در مدل‌های آماری به‌کار می‌رود، به­ طور معمول از روش فراوانی­گرا استفاده می­ شود. این روش در بعضی موارد به‌ویژه در نمونه‌های کوچک، عملکرد ضعیفی دارد. در این مطالعه کارایی دو روش بیزی و فراوانی‌گرا مقایسه شده است. مواد و روش ­ها: جمعیت بررسی شده، 734 زن با سن 20 سال و بالاتر پیش‌دیابتی، در مطالعه کوهورت قند و لیپید تهران (TLGS) بود. برای برآورد احتمال رخداد بیماری دیابت، مدل رگرسیون لوجستیک مشابه مدل پیش‌بینی بیماری دیابت در مطالعه ARIC استفاده شد که شامل نشانگرهای اندازه دور کمر، پرفشاری خون، قد، وزن، سن، سابقه خانوادگی دیابت، سیگاری بودن و ضربان نبض بود. روش­ های فراوانی‌گرا و بیزی برای برآورد شاخص­ های بهبود بازطبقه­ بندی خالص و تشخیصی ادغام شده، استفاده شد و سپس این دو روش در حجم نمونه کوچک مقایسه شدند. برای انجام تحلیل‌ها از نرم‌افزار R نسخه 3.1.3 استفاده شد. یافته‌ها: برآورد شاخص‌های بهبود بازطبقه ­بندی خالص و تشخیصی ادغام شده به روش‌‌های بیزی و فراوانی‌گرا نتایج یکسانی داشتند که در هر دو روش افزودن نشانگرهای جدید اندازه دور مچ دست، سابقه تولد نوزاد بیش از 4/5 کیلوگرم، سابقه فشارخون بارداری به مدل ARIC، ثاثیر معنا‌داری در شاخص‌های فوق نداشت. در حجم نمونه کوچک، برآورد این دو شاخص در روش بیزی در مقایسه با روش فراوانی‌گرا، عملکرد بهتری نشان داد. نتیجه‌گیری: روش بیزی در حجم نمونه کوچک عملکرد معتبر و قابل اعتمادتری در مقایسه با روش فراوانی‌گرا داشت.