evaluation of multiple linear regression function and generalized linear model types in estimating natural menopausal age: a cross-sectional study

Background: since women spend about one-third of their lifespan in menopause, accurate prediction of the age of natural menopause and its effective parameters are crucial to increase women’s life expectancy. objective: this study aimed to compare the performance of generalized linear models (glm) and the ordinary least squares (ols) method in predicting the age of natural menopause in a large population of iranian women. materials and methods: this cross-sectional study was conducted using data from the recruitment phase of the shahedieh cohort study, yazd, iran. in total, 1251 women who had the experience of natural menopause were included. for modeling natural menopause, the multiple linear regression model was employed using the ordinary least squares method and glms. with the help of the akaike information criterion, rootmean-square error (rmse), and mean absolute error, the performance of regression models was measured. results: the mean age of menopausal women was 49.1 ± 4.7 yr (95% ci: 48.8-49.3) with a median of 50 yr. the analysis showed similar akaike criterion values for the multiple linear models with the ols technique and the glm with the gaussian family. however, the rmse and mean absolute error values were much lower in glm. in all the models, education, history of salpingectomy, diabetes, cardiac ischemic, and depression were significantly associated with menopausal age. conclusion: to predict the age of natural menopause in this study, the glm with the gaussian family and the log link function with reduced rmse and mean absolute error can be a good alternative for modeling menopausal age.

ارزیابی عملکرد رگرسیون خطی چندگانه و انواع مدل خطی تعمیم یافته در تخمین سن یائسگی طبیعی: یک مطالعه توصیفی

مقدمه: از آنجا که زنان حدود یک سوم از عمر خود را در یائسگی سپری می کنند، پیش بینی صحیح سن یائسگی طبیعی و پارامترهای موثر بر آن، برای افزایش امید به زندگی زنان بسیار مهم است.هدف: هدف از این مطالعه مقایسه عملکرد مدل های خطی تعمیم یافته (GLM) و روش حداقل مربعات معمولی (OLS) در پیش بینی سن یائسگی طبیعی در جمعیت بزرگی از زنان ایرانی بود.مواد و روش ها: این مطالعه مقطعی با استفاده از داده های مرحله اول مطالعه ی کوهورت شاهدیه که در سال 20162015 جمع آوری شده بود، انجام شده است. در مجموع 1251 زن که تجربه یائسگی طبیعی داشتند، وارد مطالعه شدند. برای مدل سازی سن یائسگی طبیعی، از مدل رگرسیون خطی چندگانه با استفاده از روش OLS و GLMs استفاده شد. با کمک معیار اطلاعات آکائیکه (ACI)، جذر میانگین مربع خطا (RMSE) و میانگین خطای مطلق (MAE)، عملکرد مدل های رگرسیون اندازه گیری شد.نتایج: میانگین سن یائسگی زنان 7/4 ± 1/49 سال (3/498/48 = CI:95%) با میانه 50 سال بود. تجزیه و تحلیل، مقادیر مشابه معیار Akaike را برای مدل خطی چندگانه با روش OLS و GLM با خانواده Gaussian نشان داد. با این حال، مقادیر RMSE و MAE در مدل GLM بسیار کمتر بود. در همه مدل ها، تحصیلات، سابقه جراحی سالپینژکتومی، دیابت، ایسکمیک قلبی و افسردگی به طور معنی داری با سن یائسگی ارتباط داشتند. نتیجه گیری: به منظور پیش بینی سن یائسگی طبیعی در این مطالعه، GLM با خانواده گاوسی و تابع پیوند Log با کاهش خطاهای RMSE و MAE می تواند جایگزین مناسبی برای مدل سازی سن یائسگی طبیعی باشد.