ساخت مدل پیشگویی کننده میرایی در بیماران مبتلا به HIV/AIDS مرکز مشاوره بیماری های رفتاری دانشگاه علوم پزشکی شیراز با کنترل داده های مفقود شده آن ها در طی سال های ۱۳۸۳ -۱۳۸۸

مقدمه: یکی از مهم­ترین چالش­های مراقبت و درمان بیماران مبتلا به HIV/AIDSتشخیص به هنگام عوامل پیشگویی کننده مرگ­ومیر می­باشد. مدل رگرسیونی شیوه مناسبی برای ارزیابی عوامل خطر مرتبط با بیماری است. اگرچه وجود داده­های مفقود شده ساختن مدل را دشوار می­کند. هدف این مقاله ایجاد مدل­های تشخیصی برای پیش­بینی مرگ­ومیر در بیماران HIV/AIDS است. مدل را پس از حذف داده­های مفقود شده ایجاد کرده (C-C model)و سپس از شیوه استنادسازی (MICE technique) استفاده کردیم.مواد و روش­ها: این مطالعه بر روی ۱۴۶۰ شخص آلوده بهHIV که در طی سال­های ۱۳۸۳ الی ۱۳۸۸ به مرکز مشاوره بیماری­های رفتاری دانشگاه علوم پزشکی شیراز مراجعه کرده بودند انجام شد. از ۱۵ متغیر که به­عنوان عامل خطر مطرح بودند، تنها متغیر­هایی که در آنالیز تک متغیره دارای P-value کم­تر از ۲۵ % بودند برای مدل آنالیز چندگانه انتخاب شدند. در مدل C-Cبیمارانی که حتی دارای یک مشاهده مفقود شده بوده را حذف کردیم. در مرحله بعدی از مدل MICE استفاده و هر مقدار مفقود شده را به­وسیله ۱۰ مقدار استناد سازی شده جایگزین کرده و چندین داده مرجع استناد شده را تولید کردیم.درهر دو مدل از شیوه حذف روبه عقب استفاده شد.یافته­ها: در آنالیز با شیوه C-C حجم نمونه به ۴۷۵ کاهش یافته و تنها P.V معناداری را برای سه متغییر پیش­گویی­کننده (با و بدون علامت ایدز، متادون و تاریخچه زندان) یافتیم. در مدل MICE ۵ متغیر دیگر نیز معنادار شدند.نتیجه­گیری: داده­های مفقود شده مشکل بسیاری از اطلاعات مراکز بهداشتی و درمانی است. در آنالیز با مدل C-C ما داده­های مفقود شده رانادیده گرفتیم که این مساله منجر به از دست رفتن توان آماری برای برخی متغیرها شده، در حالی­که استناد سازی با شیوه­هایی مانند MICE برخی از متغیرهای دیگررا نیز به سطح معناداری رساند. ما به نتیجه رسیدیم که مدل MICE تکنیکی بسیار قوی بوده و آن را برای داده­های مفقود شده توصیه می­نماییم.مقدمه: یکی از مهم­ترین چالش­های مراقبت و درمان بیماران مبتلا به HIV/AIDSتشخیص به هنگام عوامل پیشگویی کننده مرگ­ومیر می­باشد. مدل رگرسیونی شیوه مناسبی برای ارزیابی عوامل خطر مرتبط با بیماری است. اگرچه وجود داده­های مفقود شده ساختن مدل را دشوار می­کند. هدف این مقاله ایجاد مدل­های تشخیصی برای پیش­بینی مرگ­ومیر در بیماران HIV/AIDS است. مدل را پس از حذف داده­های مفقود شده ایجاد کرده (C-C model)و سپس از شیوه استنادسازی (MICE technique) استفاده کردیم. مواد و روش­ها: این مطالعه بر روی ۱۴۶۰ شخص آلوده بهHIV که در طی سال­های ۱۳۸۳ الی ۱۳۸۸ به مرکز مشاوره بیماری­های رفتاری دانشگاه علوم پزشکی شیراز مراجعه کرده بودند انجام شد. از ۱۵ متغیر که به­عنوان عامل خطر مطرح بودند، تنها متغیر­هایی که در آنالیز تک متغیره دارای P-value کم­تر از ۲۵ % بودند برای مدل آنالیز چندگانه انتخاب شدند. در مدل C-Cبیمارانی که حتی دارای یک مشاهده مفقود شده بوده را حذف کردیم. در مرحله بعدی از مدل MICE استفاده و هر مقدار مفقود شده را به­وسیله ۱۰ مقدار استناد سازی شده جایگزین کرده و چندین داده مرجع استناد شده را تولید کردیم.درهر دو مدل از شیوه حذف روبه عقب استفاده شد. یافته­ها: در آنالیز با شیوه C-C حجم نمونه به ۴۷۵ کاهش یافته و تنها P.V معناداری را برای سه متغییر پیش­گویی­کننده (با و بدون علامت ایدز، متادون و تاریخچه زندان) یافتیم. در مدل MICE ۵ متغیر دیگر نیز معنادار شدند. نتیجه­گیری: داده­های مفقود شده مشکل بسیاری از اطلاعات مراکز بهداشتی و درمانی است. در آنالیز با مدل C-C ما داده­های مفقود شده رانادیده گرفتیم که این مساله منجر به از دست رفتن توان آماری برای برخی متغیرها شده، در حالی­که استناد سازی با شیوه­هایی مانند MICE برخی از متغیرهای دیگررا نیز به سطح معناداری رساند. ما به نتیجه رسیدیم که مدل MICE تکنیکی بسیار قوی بوده و آن را برای داده­های مفقود شده توصیه می­نماییم.

Keywords:

V/AIDS , میرایی , داده های مفقود شده , مدل