محسن عسکری شاهی - استادیار آمار زیستی ، گروه آمار ،دانشکده بهداشت ، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی شهیدصدوقی یزد،یزد،ایران
نسیمه قاسمی - دانشجوی کارشناسی ارشد آمار زیستی ،دانشکده بهداشت، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی شهید صدوقی یزد،یزد،ایران
حسین فلاح زاده - استاد مرکز تحقیقات پیشگیری و اپیدمیولوژی بیماری های غیرواگیر، دانشکده بهداشت، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی شهید صدوقی یزد،یزد،ایران
محمد افخمی اردکانی - استادبیماریهای غدد داخلی و متابولیسم ، دانشکده پزشکی،دانشگاه علوم پزشکی و خدمات بهداشتی درمانی شهید صدوقی یزد،یزد،ایران

مقدمه: تشخیص زودهنگام استیوپروز کلیدی برای پیشگیری است، لیکن تشخیص، بدون استفاده از روش های تشخیصی مناسب ، به علت پیچیدگی عوامل خطر استیوپروز و روند تدریجی از دست رفتن استخوان مشکل است هدف این مطالعه ارایه و سنجش کارایی یک الگوی پیشگویی استیوپروز با استفاده از تکنیک درخت تصمیم به عنوان یک روش تشخیصی براساس عوامل خطر در دسترس است تا به وسیله آن افراد درمعرض خطر برای انجام فعالیت های پیشگیرانه شناسایی شوند.روش بررسی : برای انجام این مطالعه از داده های 131 زن با سن 20 تا 40 سال استفاده شد. متغیر پاسخ مقدار تراکم استخوان ( ( t-score ناحیه L1-L4 کمری بود که به دوگروه نرمال(( t-score> = - 1 و در معرض خطر استیوپروز ( t-score < -1 ) تقسیم شد. به منظور تعیین عوامل خطر استیوپروز از مدل درخت تصمیم به روش ارزیابی متقاطع با k =4 و رگرسیون لوجستیک استفاده شد. برای بررسی دقت پیش بینی دو مدل، سطح زیرمنحنی مشخصه عملکرد (AUROC) به کار گرفته شد. تحلیل داده ها با نرم افزار R انجام شد.یافته ها: سه متغیر تعداد حاملگی ، BMI و میزان کلسیم به عنوان عوامل خطر استیوپروز از مدل درختی به دست آمد و سطح زیر منحنی مشخصه عملکرد درخت تصمیم و رگرسیون لوجستیک به ترتیب برابر 0/665 و 0/686حاصل شد. نتیجه گیری: سطح زیر منحنی مشخصه عملکرد برتری نسبی رگرسیون لوجستیک را نشان داد که با توجه به مزایای درخت تصمیم به کار گیری همزمان دو روش پیشنهاد می شود.

پوکی استخوان، درخت تصمیم، رگرسیون لوجستیک، سطح زیر منحنی مشخصه عملکرد