پیش‌بینی بروز حمله حاد قلبی با استفاده از رگرسیون لجستیک (مطالعه موردی: بیمارستانی در ایران)

سکته قلبی اولین عامل مرگ‌ومیر در ایران است که بیش از نیمی از بیماران آن قبل از رسیدن به بیمارستان می‌میرند. برخی از حملات قلبی ناگهانی و شدیدند، اما بیشتر آن‌ها به‌آهستگی آغاز می‌شوند و با درد یا ناراحتی خفیفی همراه هستند. تشخیص زودرس این علائم در بیماران برای نجات و درمان موفقیت‌آمیز آنان حیاتی است و این امر اهمیت، نیاز، ضرورت و سودمندی طراحی سیستم‌هایی را برای یاری‌رساندن به پزشک در تشخیص زودهنگام بروز حملات حاد قلبی بیش از پیش مشخص می‌کند. هدف اصلی این پژوهش طراحی و ساخت یک مدل پیش‌بینی بروز حمله حاد قلبی در ایران، براساس فاکتورهای بالینی قابل‌گزارش توسط بیمار در خارج از بیمارستان است؛ یعنی زمانی‌که اطلاعات آزمایش‌های تشخیصی و معاینات پزشکی در دسترس نیستند. این مدل برای کاهش متوسط زمان از شروع علائم هشداردهنده سکته قلبی تا آغاز درمان قابل‌استفاده است. به‌این‌منظور، داده‌های مربوط به 711 بیمار قلبی جمع‌آوری شد و سه مدل با استفاده از رگرسیون لجستیک و یک مدل با استفاده از درخت تصمیم برای پیش‌بینی احتمال بروز حمله حاد قلبی ساخته شد. بهترین مدل رگرسیون لجستیک از لحاظ عملکرد دارای آماره c، 955/0 و دقت 9/94 درصد بود و متغیرهای درد شدید قفسه سینه، درد پشت، تعریق سرد، تنگی نفس، حالت تهوع و استفراغ به‌عنوان شاخص‌های اصلی و موثر در بروز حمله حاد قلبی شناسایی شدند و در مدل درخت تصمیم با آماره c، 938/0 متغیرهای مستقل تنگی نفس، تپش قلب، ورم اندام‌ها، تعریق سرد، درد سمت چپ قفسه سینه، درد شدید قفسه سینه، سن و حالت تهوع قادر به پیش‌بینی تغییرات متغیر وابسته (احتمال بروز حمله حاد قلبی) بودند.