Journal of Mazandaran University of Medical Sciences

fa مقایسه نتایج مدل رگرسیون لجستیک و الگوریتم CART در تعیین عوامل پیش آگهی دهنده ابتلا به بیماری عروق کرونر درشهر مشهد Comparing the Results of Logistic Regression Model and Classification and Regression Tree Analysis in Determining Prognostic Factors for Coronary Artery Disease in Mashhad, Iran آمار زیستی Biostatistics پژوهشي-کامل Research(Original) سابقه و هدف: درک ﻋﻮاﻣﻞ ﺧﻄﺮ ﺑﯿﻤﺎری‌ﻫﺎی ﻗﻠﺒﯽ- ﻋﺮوﻗﯽ ﮐﻪ مهم‌ترین ﻋﻠﺖ ﻣﺮگ در ﺗﻤﺎم دﻧﯿﺎ اﺳﺖ، ﻣﯽ‌ﺗﻮاﻧﺪ تغییرات ﻣﻬﻤﯽ در روش‌های ﭘﯿﺸﮕﯿﺮی، اﺗﯿﻮﻟﻮژی و درﻣﺎن آن ایجاد ﻧﻤﺎید. هدف این مطالعه مقایسه عملکرد دو مدل رگرسیون لجستیک و الگوریتم CART در تعین عوامل پیش‌آگهی‌دهنده بر ابتلا به بیماری عروق کرونر در ساکنین شهر مشهد است. مواد و روش‌ها: در ایـن مطالـعه مـورد- شاهـــد از داده‌هـای مطالعـه کـوهـــورت (MASHAD STUDY: Mashhad Stroke and Heart Atherosclerotic Disorder) که در سال 2009، انجام شده بود، استفاده و عوامل پیش‌آگهی‌دهنده بر ابتلا به بیماری عروق کرونر با دو مدل رگرسیون لجستیک و الگوریتم CART، با نرم‌افزارهای 14 Stata و R تعیین شد. کارایی دو مدل با سطح زیر منحنی مشخصه عملکرد (AUC) مقایسه شد.تمامی افراد مبتلا به بیماری عروق کرونر به عنوان مورد و به ازای هر مورد، سه شاهد در نظر گرفته شد. یافته‌ها: رگرسیون لجستیک نشان داد سابقه سکته قلبی، ابتلا به دیابت، سابقه ابتلا به چربی خون، سن و سابقه بیماری عروق کرونر در پدر و برادر از عوامل پیش‌آگهی‌دهنده بر ابتلا به بیماری عروق کرونر در مشهد هستند. الگوریتم CART نیز، سن بالا، سابقه سکته قلبی، سابقه فشارخون، افسردگی، سطح فعالیت شبانه‌روزی و شاخص توده بدنی را به عنوان عوامل پیش‌آگهی‌دهنده تعیین کرد. استنتاج: عوامل پیش‌آگهی‌دهنده مشترک حاصل از دو مدل، سابقه سکته قلبی و سن بود. با توجه به کارایی بهتر مدل لجستیک، می‌توان پیشنهاد کرد در صورت عدم وجود اثر متقابل در متغیرهای پیش بین، برای شناسایی عوامل موثر بر ابتلا به بیماری عروق کرونر از مدل رگرسیون لجستیک چندگانه باینری استفاده شود. Background and purpose: Understanding of the risk factors for cardiovascular artery disease, which is the leading cause of death worldwide, can lead to essential changes in its etiology, prevalence, and treatment. The aim of this study was to compare the results of logistic regression model and Classification and Regression Tree Analysis (CART) in determining the prognostic factors for coronary artery disease in people living in Mashhad, Iran. Materials and methods: The present case-control study used the cohort data of Mashhad stroke and heart atherosclerotic disorder (MASHAD STUDY), 2009. The prognostic factors for coronary artery disease were determined by CART and Logistic regression models using R and Stata 14. Then, the efficiency of the models was compared by computing the area under the performance characteristic curve (AUC). All patients with coronary artery disease were considered as the case and for each case, three controls were selected. Results: According to Logistic model, prognostic factors for coronary artery disease included age, history of myocardial infarction, diabetes, history of hyperlipidemia, and family history of heart disease (father and brother). The CART algorithm showed age, history of myocardial infarction, history of hypertension, depression, physical activity level, and body mass index as prognostic factors for coronary artery disease in people in Mashhad. Conclusion: Myocardial infarction and age were common prognostic factors for coronary artery disease according to the models applied. According to the efficiency of logistics model, binary multiple logistic regression model is suggested to be used in identifying the factors affecting coronary artery disease, if there is no interaction between the predictors. الگوریتم CART, رگرسیون لجستیک, بیماری عروق کرونر, MASHAD STUDY CART algorithm, Logistic regression, coronary artery disease, MASHAD STUDY 1 11 http://jmums.mazums.ac.ir/browse.php?a_code=A-10-12680-1&slc_lang=fa&sid=1 Zahra Bami زهرا بامی zahrabami@gmail.com 1003194753284600130644 1003194753284600130644 Yes MSc Student in Biostatistics, Faculty of Health, Golestan University of Medical Sciences, Gorgan, Iran دانشجوی کارشناسی ارشد آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی گلستان، گرگان، ایران Nasser Behnampour ناصر بهنام پور behnampour@goums.ac.ir 1003194753284600130645 1003194753284600130645 No Assistant Professor, Department of Biostatistics and Epidemiology, Faculty of Health, Golestan University of Medical Sciences, Gorgan, Iran . استادیار، گروه آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی گلستان، گرگان، ایران Bahram Sadeghpour Gildeh بهرام صادق پور گیلده sadeghpour@um.ac.ir 1003194753284600130646 1003194753284600130646 No Professor, Department of Statistics, Faculty of Mathematical Sciences, Ferdowsi University of Mashhad, Mashhad, Iran استاد، گروه آمار ریاضی، دانشکده علوم پایه، دانشگاه فردوسی مشهد، مشهد، ایران Majid Ghayour Mobarhan مجید غیور مبرهن ghyourm@mums.ac.ir 1003194753284600130647 1003194753284600130647 No Professor, Department of Nutrition, School of Medicine, Metabolic Syndrome Research Center, Mashhad University of Medical Sciences, Mashhad, Iran . استاد، گروه تغذیه، دانشکده پزشکی، مرکز تحقیقات سندرم متابولیک، دانشگاه علوم پزشکی مشهد، مشهد، ایران Habibollah Esmaily حبیب الله اسماعیلی Esmailyh@mums.ac.ir 1003194753284600130648 1003194753284600130648 No Professor, Department of Epidemiology and Biostatistics, School of Health, Neonatal Research Center, Mashhad University of Medical Sciences Mashhad, Iran 5. استاد، گروه آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، مرکز تحقیقات نوزادان، دانشگاه علوم پزشکی مشهد، مشهد، ایران