استفاده از مدل های پارامتری و مدل کاکس در تحلیل عوامل موثر برتشخیص رتینوپاتی بیماران مبتلا به دیابت نوع۲
Publish Year: 1393
نوع سند: مقاله ژورنالی
زبان: Persian
View: 39
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JMUMS-24-113_003
تاریخ نمایه سازی: 2 آبان 1402
Abstract:
سابقه و هدف : یکی از عوارض مهم دیابت رتینوپاتی دیابتی است که یک نوع عارضه عروقی بسیار اختصاصی
برایدیابت نوع یک و دو محسوب می شود. مطالعه حاضر با هدف بررسی عوامل موثر بر تشخیص رتینوپاتی در بیماران مبتلا
به دیابت نوع ۲ با استفاده از مدل کاکس و مدل های پارامتری نمایی، وایبل، لگ نرمال، لگ لجستیک و مقایسه ی کارایی
آن ها انجام شد.
مواد و روش ها: در این پژوهش آینده نگر تاریخی، ۴۰۰ بیمار مبتلا به دیابت نوع ۲ و فاقد رتینوپاتی که در سال ۱۳۸۷
در مرکز تحقیقاتی - درمانی دیابت یزد تشکیل پرونده داده بودند، وارد مطالعه گردیدند و تا بهمن ماه ۱۳۹۱ از نظر
تشخیص رتینوپاتی پیگیری شدند . متغیرهای معنی دار در مدل تک متغیره، برای بررسی عوامل موثر بر تشخیص رتینوپاتی
وارد مدل های چند متغیره کاکس و پارامتری شدند . معیار مقایسه کارایی مدل ها، ملاک آکائیکه بود . کلیه محاسبات با
۰ در نظر گرفته شد. / انجام و سطح معنی داری ۰۵ R نرم افزار
یافته ها: میانگین و میانه زمان تشخیص رتینوپاتی به ترتیب ۴۶ و ۵۸ ماه بود . ۳ درصد بیماران در کم تر از یک سال و
۱۶ درصد از بیماران در کم تر از دو سال رتینوپاتی برای آ نها تشخیص داده شد.
استنتاج: متغیرهای آنمی، مصرف آسپرین، مدت ابتلا به دیابت، استفاده از انسولین می تواند به عنوان عوامل خطر قوی
طبق ملاک آکائیکه، مدل کاکس بهترین برازش را در تعیین عوامل .(p <۰/ در تشخیص رتینوپاتی مد نظر قرار گیرد ( ۰۵
موثر بر تشخیص رتینوپاتی دارد.
Keywords:
Diabetes , diabetic retinopathy , Cox model , parametric model , Akaike information criterion J Mazandaran , دیابت , رتینوپاتی دیابتی , مدل کاکس , مدل های پارامتری , ملاک آکائیکه
Authors
محسن عسکری شاهی
علوم پزشکی مازندران
فاطمه کشاورزی
علوم پزشکی مازندران
محمد افخمی اردکانی
علوم پزشکی مازندران
حسین فلاح زاده
علوم پزشکی مازندران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :