بررسی عوامل مرتبط با بروز دیابت نوع دو با استفاده از مدل رگرسیون بیزی سنبله و دال

مقدمه: بیماری دیابت از اختالات شایع متابولیسم در جهان است. این بیماری عوامل خطر متعددی دارد، پیش بینی این عوامل در پیشگیری از آن نقش مهمی دارد. هدف این پژوهشتعیین عوامل مرتبط با بروز دیابت نوع دو با استفاده از مدل رگرسیون بیزی سنبله و دالاست.روش کار: در این مطالعه توصیفی، از داده های 819 نفراز شرکت کنندگان در طرح غربالگری دیابت که در مراکز بهداشتیدرمانی شهرستان زاهدان سال 1393 انجام شده است، استفاده گردید. نمونه گیری به صورت در دسترس بوده است. اطلاعات مورد نظر از جمله جنسیت، سن، سابقه فشار خون و...و همچنین میزان قند خون ناشتا افراد شرکت کننده در طرح غربالگری دیابت جمع آوری شد. برای پیش بینی و انتخاب متغیر از مدل رگرسیون بیزی سنبله و دال استفاده شد، سپس اعتبارسنجی مدل با روش اعتبارسنجی متقابل بررسی شد. تحلیل داده ها با استفاده از نرم افزار r نسخه 3.3.2 انجام شد.یافته ها: عوامل سابقه خانوادگی دیابت (ژنتیک) و سن به عنوان عوامل مرتبط با بیماری دیابت معنی دار شدند، همچنین سابقه خانوادگی دیابت با ضریب پایایی 100 درصد به عنوان پایاترین متغیر انتخاب گردید.نتیجه گیری: مدل رگرسیون بیزی سنبله و دالقابلیت خوبی برای غربالگری دیابت دارد، زیرا ضمن تشخیص متغیرهای موثر کمتر، توانایی پیش بینی مدل نیز حفظ شده است. با توجه به عوامل مرتبط با بروز دیابت، اجرای طرحهای غربالگری با اولویت بخشیدن به افراد مسن و افرادی که سابقه خانوادگی دیابت دارند، در کنترل شیوع بیماری دیابت پیشنهاد می شود.

Assessing the Factors Related to Type 2 Diabetes Mellitus Using the Bayesian Regression Model of Spike and Slab

Introduction: Diabetes mellitus is one of the most common metabolic disorders in the world. It has many risk factors, and the prediction of these factors is important to prevent it. The current study aimed at determining the factors associated with the incidence of type 2 diabetes using the Bayesian regression model of spike and slab.Methods: In the current descriptive study, data from 819 participants in the diabetes screening program at Zahedan Health Centers, Iran in 2014 were analyzed. The convenience sampling method wasused. The demographic information was collected from patients' records, including gender, age, history of blood pressure,ect., and fasting blood glucose level. For prediction and variable selection, the Bayesian regression model of spike and slab was used, then validity of the model was assessed by mutual validation method. Data analysis was performed with R software version 3.3.2.Results: The family history of diabetes and age were significantly correlted with diabetes in the subjects;the family history of diabetes with a 100% reliability coefficient was the most effective variable.Conclusions: The Bayesian regression model has a good ability to dignose diabetes; while recognizing less effective variables, the predicting ability of the model was also maintained. Given the factors associated with the incidence of diabetes, the implementation of screening plans with priority given to the elderly and those with a family history of diabetes is suggested to control the outbreak of diabetes.