کاربرد مدل کلاس پنهان بیز در تعیین ارزش تشخیصی spect و mri مغز جهت تشخیص حس بویایی بعد از تروما بدون حضور استاندارد طلایی

مقدمه: حس بویایی کیفیتی غیرقابل توصیف به زندگی انسان می بخشد. اختلال در این حس در زندگی روزمره مشکلات زیادی ایجاد خواهد کرد. mri و spect دو روش تعیین حس بویایی است که هیچ کدام استاندارد طلایی نیستند. مدل کلاس پنهان بیز روشی صحیح جهت تعیین ارزش تشخیصی این آزمون ها می باشد.روش بررسی: دو آزمون mri و spect برروی 63 بیمار حائز شرایط مورد مطالعه که از ابتدای تیرماه 1390 تا ابتدای مهر 1391به بیمارستان شهید رهنمون یزد مراجعه کردند، انجام شد. نتایج حاصل به عنوان تابع درستنمایی ماکزیمم با توزیع پیشین، بااستفاده از زنجیر مارکوف مونت کارلو در نرم افزار winbugs نسخه 3 . 4 . 1 ترکیب شده و میانه ی توزیع پسین به عنوان برآورد پارامترها معرفی شد.دو مدل وابسته و مستقل شرطی با استفاده از معیار انحراف اطلاعات (dic) مقایسه شد.یافته ها: حساسیت و ویژگی mri جهت تشخیص بویایی غیرنرمال، در مدل وابسته ی شرطی، 58% و 89% و برای spect به ترتیب 73% و 84% تعیین و ارزش اخباری مثبت و منفی هردو تست نیز برآورد شد. همگرایی زنجیر و نیکویی برازش مدل نیز با استفاده از نمودارهای سری زمانی وجلمنروبین و pvalue بیز تایید شد. با توجه به کوچکتر بودن dic برای مدل وابسته، این مدل جهت برازش به این داده ها برتر از مدل مستقل تعیین شد.نتیجه گیری: در مدل کلاس پنهان بیز، نتایجی متفاوت از حالتی که از این مدل استفاده نشده، حاصل می گردد. بهتر است هردو مدل وابسته و مستقل شرطی به داده ها برازش شده و نهایتاً با هم مقایسه شوند.

Application of Bayesian Latent Class Model in Determining the Diagnostic Value of Brain SPECT and MRI for Detecting Posttraumatic Olfactory in the Absence of Golden Standard

AbstractIntroduction: The sense of smell gives unexplainable quality to human life. The impairment In this sense will create lot of problems. MRI and SPECT are two way of olfactory evaluation that none of the both is not Gold standard. Bayesian latent class model is the correct way to determine the diagnostic value of these tests.Methods: MRI and SPECT tests performed on 63 patients eligible for the study that went from the beginning of July 2011 to the end of September 2012 to hospital Shahid Rahnemoun. The results ,as maximum likelihood function with prior distribution combines, using Markov chain Monte Carlo in winbugs 1.4.3 software. the median of the posterior distribution presented as the parameter estimates. Both dependent and independent conditional models was compared using criterion DIC.Results: The sensitivity and specificity of MRI to detect abnormal olfactory ,determined in model conditional depends , 58% and 89% respectively and 73% and 84% for SPECT. positive and negative predictive values were calculated for both the test.Convergence chains and goodness of fit of model using timeseries charts and Brook ndash;Gelman ndash;Rubin and Bayesian pvalue was confirmed. considering the lower criterion DIC for conditional dependence, this model was determined the best fit to the data.Conclusion: In Latent Class Model, different results are obtained from the when this model is not used. It is better that both conditional dependent and independent model fitted to the data, and finally were compared.