مقایسه نتایج مدل رگرسیون لجستیک معمولی و لجستیک نیرومند در مدل‌بندی عوامل مرتبط با بیماری پره‌دیابت

زمینه و هدف: با توجه به اینکه خطر ابتلا به دیابت در افراد پره دیابتیک بسیار بالا است، تعیین عوامل موثر بر پره دیابت دارای اهمیت می باشد. این مطالعه با هدف مقایسه نتایج مدل رگرسیون لجستیک معمولی و لجستیک نیرومند در مدل بندی عوامل مرتبط با بیماری پره دیابت انجام شد.روش بررسی: این مطالعه که از نوع مقطعیتحلیلی است روی 6460 نفر از افراد بالای30 سال، شرکت کننده در طرح غربالگری دیابت دانشگاه علوم پزشکی مشهد، از مهر تا آذر 1389 انجام شد. با توجه به میزان قند خون ناشتای افراد، 5414 نفر سالم و 1046 نفر به عنوان پره دیابتیک شناسایی شدند. سن، جنس، نمایه توده بدن، فشار خون سیستولیک، فشار خون دیاستولیک و نسبت کمر به باسن در مورد هر فرد اندازه گیری شد. مدل رگرسیون لجستیک معمولی روی داده ها برازش شد. سپس داده های پرت مشخص و سه مدل نیرومند mallow، wby و by برازش شد. آنگاه مدل ها با هم مقایسه گردیدند.یافته ها: متغیرهای سن، نمایه توده بدن و فشار خون سیستولیک در همه مدل ها از لحاظ آماری معنادار شدند (p<0.01) و متغیر نسبت کمر به باسن معنادار نشد (p>0/1). تعداد 552 داده ی پرت با خطای بدرده بندی در مدل معمولی وجود داشت. مقادیر کای دو پیرسون و سطح زیرمنحنی راک در مدل mallow به طور تقریبی فرقی با مدل معمولی نداشت. اما در مدل های wby و by به نسبت بیشتر بود.نتیجه گیری: با توجه به نتایج این پژوهش سن بالا، نمایه توده بدنی و فشار خون بالا در ابتلا به بیماری پره دیابت موثر می باشند. همچنین مدل های رگرسیون نیرومند wby و by برازش بهتر و توان پیشگویی بالاتری نسبت به رگرسیون لجستیک معمولی در مدل بندی عوامل گفته شده در ارتباط با پره دیابت دارند.

Comparison of ordinary logistic regression and robust logistic regression models in modeling of pre-diabetes risk factors

Background: Regarding the increased risk of developing type 2 diabetes in prediabetic people, identifying prediabetes and determining of its risk factors seems so necessary. In this study, it is aimed to compare ordinary logistic regression and robust logistic regression models in modeling prediabetes risk factors.Methods: This is a crosssectional study and conducted on 6460 people, over 30 years old, who have participated in the screening of diabetes plan in Mashhad city that it was done by Mashhad University of Medical Sciences from October to December 2010. According to the fasting blood sugar criteria, 5414 individuals were identified as healthy and 1046 individuals were identified as prediabetic. Age, gender, body mass index, systolic blood pressure, diastolic blood pressure and waisttohip ratio were measured for every participant. The data was entered into the Microsoft Excel 2013 (Microsoft Corp., Redmond, WA, USA) and then analysis of the data was done in R Project for Statistical Computing, Version R 3.1.2 (www.rproject.org). Ordinary logistic regression model was fitted on the data. The outliers were identified. Then Mallow, WBY and BY robust logistic regression models were fitted on the data. And then, the robust models were compared with each other and with ordinary logistic regression model according to goodness of fit and prediction ability using Pearson's chisquare and area under the receiver operating characteristic (ROC) curve respectively.Results: Among the variables that were included in the ordinary logistic regression model and three robust logistic models, age, body mass index and systolic blood pressure were statistically significant (P< 0.01) but waisttohip ratio was not statistically significant (P> 0.1). There were 552 outliers with misclassification error in the ordinary logistic regression model. Pearson's chisquare value and area under the ROC curve value in the Mallow model were almost the same as for ordinary logistic regression model. But it was relatively higher in BY and WBY models.Conclusion: Based on results of this study age, overweight and hypertension are risk factors of prediabetes. Also, WBY and BY models were better than ordinary logistic regression model, according to goodness of fit criteria and prediction ability.