پیش‌بینی سن تقویمی بر اساس سن دندانی دمیرجین با استفاده از روش رگرسیون ریج استوار

هدف: تخمین سن، نقش مهمی در پزشکی قانونی، بیماری های غدد و دندان‌پزشکی بالینی دارد. هم‌چنین ارزیابی مراحل تکاملی دندانی نسبت به رویش دندان با ارزش تر است. در این پژوهش به مدل‌سازی سن تقویمی با استفاده از روش‌های نوین و غنی آماری پرداخته شده ‌است به طوری‌که می‌تواند به عنوان یک روش عملی که تلفیقی از چند روش‌ نوین آماری است، در علم پزشکی مورد بررسی قرار گیرد.مواد و روش ها: در بین روش هایی که برای تعیین سن استفاده می شود، رایج ترین روش مورد استفاده در سراسر دنیا، روش نوین دمیرجین مودیفای است که بر اساس کلسیفیکاسیون دندان دائمی در رادیوگرافی پانورامیک می‌باشد. جامعه مورد بررسی در این تحقیق تعداد 87 نفر از بیماران مراجعه‌کننده که به صورت روش تصادفی ساده در طی دوره 12ماهه سال 94-1393 به درمانگاه خاتم‌الانبیا استان یزد مراجعه نموده‌اند، می‌باشد. با استفاده از سن تخمینی از دندان مولر سوم و متغیر جنسیت به ارزیابی سن تقویمی پرداختیم. در تجزیه و تحلیل مسائل رگرسیونی و به‌ویژه مدل‌بندی آماری بسیاری از داده‌ها مانند داده‌های اقتصادی، روانشناسی، علوم اجتماعی، علوم پزشکی، مهندسی و ... با مشکل هم‌خطی در میان متغیرهای پیشگو و حضور نقاط دورافتاده در مجموعه داده‌ها مواجه هستیم. روش رگرسیون کم‌ترین توان‌های دوم خطا در برآورد پارامترهای مدل رگرسیونی نسبت به داده‌های پرت بسیار حساس است. اغلب روش‌های موجود برآوردیابی پارامترهای این مدل‌ها با رویکرد کم‌ترین توان‌های دوم خطا، تحت تاثیر داده‌های پرت، برآوردهایی نامناسب، دور از انتظار و با نرخ خطای زیاد ارائه می‌دهند. برای غلبه بر مشکل مشاهده‌های دورافتاده از روش‌های استوار استفاده می‌شود. هم‌چنین برای حل مشکل هم‌خطی چندگانه استفاده از رگرسیون ریج توصیه می‌شود. لذا در این مطالعه برآوردگرهای رگرسیونی ریج استوار در مدل‌سازی متغیرهای وابسته معرفی خواهد شد که نسبت به داده‌های پرت حساسیت کم‌تری دارند.یافته‌ها: میانگین سنی افراد مورد مطالعه 17.21 سال به تفکیک جنسیتی 67 درصد زن و 33 درصد مرد بوده است. هم‌چنین در بررسی ارتباط بین سن تخمینی 4 دندان به ترتیب بین دندان‌های بالاراست و بالاچپ و دندان‌های پایینراست و پایینچپ با ضریب هم‌بستگی بالای 70 درصد بوده است. میزان همبستگی بین دندان‌های فک بالا و پایین حدود 30 درصد و بین دندان‌های چپ و راست 60 درصد بوده‌است. دلیل استفاده از مدل رگرسیون استوار ریج در این پژوهش، وجود داده‌های پرت و هم‌خطی بین متغیرهای مستقل ‌است.نتیجه گیری: لزوم استفاده از روش‌های پیشرفته‌ی آماری در علوم پزشکی در تحقیقات حاضر حائز اهمیت است که جهت برگزیدن بهترین مدل نیاز به بررسی دقیق داده‌ها داریم. لزوم استفاده از روش‌های پیشرفته‌ی آماری در علوم پزشکی در تحقیقات اخیر بسیار حائز اهمیت است که جهت برگزیدن بهترین مدل نیاز به بررسی دقیق داده‌ها داریم. در این تحقیق مدل برازش داده شده برای تخمین سن بر اساس روش رگرسیون استوار ریج، نسبت به سایر روش‌ها کاراتر است.

Prediction of chronological age based on Demirjian dental age using robust ridge regression method

Introduction: Estimation of age has an important role in legal medicine, endocrine diseases and clinical dentistry. Correspondingly, evaluation of dental development stages is more valuable than tooth erosion. In this research, the modeling of calendar age has been done using new and rich statistical methods. Considerably, it can be considering as a practicable method in medical science that is a combination of some new statistical methods.Materials and Methods: Among the methods used to determine age, the most commonly used method in the world is the modern modified Demirjian rsquo;s method based on the calcification of the permanent tooth in panoramic radiography. The study population is consisted of 87 patients who referred to KhatamolAnbia Clinic of Yazd in a simple randomized method during the 12 months of the 20142015 year. Using the estimated age of third molar tooth and gender variables, we evaluated the calendar age. In the analysis of regression issues and especially the statistical modeling of many data such as economic data, psychology, social sciences, medical sciences, engineering, etc., we faced with the problem of collinearity among the predictor variables and the presence of remote areas in the data set. The least squares error method in estimation of the parameters of regression model was very sensitive to the outliers. Most of the existing methods for estimating the parameters of these models based on the least squares error approach, affected by the outliers, were yielded to inappropriate estimates, unexpected and high error rates. Robust methods were used to overcome the problem of the outlier observations. It is also recommended the ridge regression to fix the multicollinearity problem. Therefore, in this study, the robust ridge regression estimators will be introduced in the modeling of dependent variables that are less sensitive to the outliers.Results: The mean age of the subjects was 17.21 years old, with a gender difference of 67% female and 33% male. Additionally, in the relationship between the estimated age of 4 teeth lower right (LR), lower left (LL), upper right (UR), upper left (UL) with a correlation coefficient were above 70%. Correlation between upper and lower jaw teeth was about 30% and between the left and right teeth was 60%. The reason of using robust ridge regression model in this study is the existence of outlier data and collinearity between independent variables.Conclusion: The necessity of using advanced statistical methods in medical sciences in the recent research is very important. In order to choose the best model, we need to study the data carefully. In this research, the fitted model for prediction of age based on the robust ridge regression method was more efficient with respect to the other methods.