>
Fa   |   Ar   |   En
   کاربرد مدل متغیر پنهان بیزی در پیش‌بینی زودهنگام دیابت بارداری در شرایط بدون تست استاندارد مرجع کامل با استفاده از بتا گنادوتروپین جفتی انسانی  
   
نویسنده امینی مائده ,کاظم نژاد انوشیروان ,زایری فرید ,امیریان اعظم ,کریمان نورالسادات
منبع اپيدميولوژي ايران - 1399 - دوره : 16 - شماره : 1 - صفحه:71 -80
چکیده    مقدمه و اهداف: دیابت بارداری یک عارضه طبی در بارداری بوده که تشخیص دیرهنگام آن می تواند اثرات نامطلوبی روی مادر و جنین بگذارد. هدف از انجام این پژوهش، برآورد پارامترهای دقت یک نشانگر زیستی برای پیش بینی زودهنگام دیابت بارداری در غیاب یک تست استاندارد مرجع کامل بود.روش کار: این مطالعه روی 523 خانم باردار که در سال های 96 و 97 به بیمارستان های مهدیه و طالقانی تهران مراجعه کرده بودند، انجام شد. مقادیر اندازه گیری شده بتا گنادوتروپین جفتی انسانی به عنوان پیشگوی دیابت بارداری برای همه زنان شرکت کننده در هفته 1714 بارداری در چک لیست مربوط ثبت شد. برای برآورد حساسیت، ویژگی و مساحت زیر منحنی راک، از مدل متغیر پنهان بیزی استفاده شد. برآورد بیزی پارامترها در بسته نرم افزاری r2openbugs در نرم افزار r نسخه 3.5.3 محاسبه شد.یافته ها:میانه سن بارداری زنان شرکت کننده در این مطالعه، 33 سال بود. در غیاب تست مرجع کامل، نتایج مدل به کار رفته برای مقدارهای حساسیت، ویژگی و مساحت زیر منحنی راک مربوط به بتا گنادوتروپین جفتی انسانی به ترتیب برابر با 78 درصد (فاصله باورمند 95 درصد: 0/83-0/66)، 83 درصد (فاصله باورمند 95 درصد: 0/89-0/74) و 72/0 (فاصله باورمند 95 درصد: 0/88-0/64) بود. نتیجه گیری: بر اساس یافته های به دست آمده در این مطالعه، بتا گنادوتروپین جفتی انسانی در غیاب تست مرجع کامل می تواند برای پیش بینی زودهنگام دیابت در خانم های باردار مناسب باشد.
کلیدواژه مدل متغیر پنهان، منحنی راک، روش بیزی، دیابت بارداری، گنادوتروپین جفتی انسانی
آدرس دانشگاه تربیت مدرس, دانشکده علوم پزشکی, گروه آمار زیستی, ایران, دانشگاه تربیت مدرس, دانشکده علوم پزشکی, گروه آمار زیستی, ایران, دانشگاه علوم پزشکی شهید بهشتی, مرکز تحقیقات پروتئومیکس، دانشکده پیراپزشکی, گروه آمار زیستی, ایران, دانشگاه علوم پزشکی جیرفت, دانشکده پرستاری و مامایی, گروه مامایی, ایران, دانشگاه علوم پزشکی شهید بهشتی, دانشکده پرستاری و مامایی, گروه مامایی و بهداشت باروری, ایران
 
   Application of Bayesian Latent Variable Model for Early Detection of Gestational Diabetes Mellitus Without A Perfect Reference Standard Test by β‐human Chorionic Gonadotropin  
   
Authors Amini M ,Kazemnejad A ,Zayeri F ,Amirian A ,Kariman N
Abstract    Background and Objectives: Gestational diabetes mellitus (GDM) is a medical problem in pregnancy, and its late diagnosis can cause adverse effects in the mother and fetus. The purpose of this research was to estimate the accuracy parameters of a biomarker for early prediction of gestational diabetes in the absence of a perfect reference standard test. Methods: This study was conducted in 523 pregnant women who presented to Mahdieh Hospital and Taleghani Hospital affiliated with Shahid Beheshti University of Medical Sciences, Tehran, Iran 20172018. As a predictor for detecting GDM, beta human chorionic gonadotropin ( beta;hCG) measurements were recorded during 1417th weeks rsquo; gestation in a checklist. The Bayesian latent variable model was used to estimate the sensitivity, specificity, and area under receiver operating characteristic curve (AUC). Bayesian parameter estimation was calculated using the R2OpenBUGS package in R version 3.5.3. Results: The median gestational age was 33 thinsp;years. In the absence of a perfect reference test, the applied model had a sensitivity, specificity, and AUC of 78% (95% credible interval (CrI): 0.660.83), 83% (95% CrI: 0.740.89), and 0.72 (95% CrI: 0.640.88) for beta;hCG, respectively. Conclusion: According to the results of this study, beta;hCG may be an acceptable biomarker for early diagnosis of diabetes in pregnant women in the absence of a perfect reference test.
Keywords Latent variable modeling ,ROC curve ,Bayesian approach ,Gestational diabetes ,Human chorionic gonadotropin
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved