[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: آرشيو :: جستجو :: اشتراك :: ارسال مقالات :: برقراري ارتباط ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
پست الکترونیک::
::
جستجو در پایگاه

جستجوی پیشرفته
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
نرخ پذیرش

مقالات منتشر شده: 1228
نرخ پذیرش: 46.7
نرخ رد: 53.3
میانگین داوری: 198 روز
میانگین انتشار: 150 روز

:: جلد 21، شماره 4 - ( 9-1398 ) ::
جلد 21 شماره 4 صفحات 202-195 برگشت به فهرست نسخه ها
مقایسه روش‌های بیزی و فراونی‌گرا در برآورد شاخص‌های بهبود بازطبقه‌بندی برای ارزیابی مدل‌های پیش‌بینی: مطالعه قند و لیپید تهران
صدیقه نریمان ، داوود خلیلی ، احمدرضا باغستانی ، فرزانه احمدی ، مریم مهدوی ، یداله محرابی
مرکز تحقیقات پیشگیری از بیماری‌های متابولیک، پژوهشکده علوم غدد درون‌ریز و متابولیسم، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران، گروه اپیدمیولوژی، دانشکده بهداشت و ایمنی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران. ، Ymehrabi@gmail.com
چکیده:   (3748 مشاهده)
مقدمه: برای برآورد شاخص­ های بهبود بازطبقه­ بندی خالص (NRI) و تشخیصی ادغام شده (IDI) که برای برآورد مقدار تاثیر افزودن نشانگرهای جدید در مدل‌های آماری به‌کار می‌رود، به­ طور معمول از روش فراوانی­گرا استفاده می­ شود. این روش در بعضی موارد به‌ویژه در نمونه‌های کوچک، عملکرد ضعیفی دارد. در این مطالعه کارایی دو روش بیزی و فراوانی‌گرا مقایسه شده است.  مواد و روش ­ها: جمعیت بررسی شده، 734 زن با سن 20 سال و بالاتر پیش‌دیابتی، در مطالعه کوهورت قند و لیپید تهران (TLGS) بود. برای برآورد احتمال رخداد بیماری دیابت، مدل رگرسیون لوجستیک مشابه مدل پیش‌بینی بیماری دیابت در مطالعه ARIC استفاده شد که شامل نشانگرهای اندازه دور کمر، پرفشاری خون، قد، وزن، سن، سابقه خانوادگی دیابت، سیگاری بودن و ضربان نبض بود. روش­ های فراوانی‌گرا و بیزی برای برآورد شاخص­ های بهبود بازطبقه­ بندی خالص و تشخیصی ادغام شده، استفاده شد و سپس این دو روش در حجم نمونه کوچک مقایسه شدند. برای انجام تحلیل‌ها از نرم‌افزار R نسخه 3.1.3 استفاده شد. یافته‌ها: برآورد شاخص‌های بهبود بازطبقه ­بندی خالص و تشخیصی ادغام شده به روش‌‌های بیزی و فراوانی‌گرا نتایج یکسانی داشتند که در هر دو روش افزودن نشانگرهای جدید اندازه دور مچ دست، سابقه تولد نوزاد بیش از 4/5 کیلوگرم، سابقه فشارخون بارداری به مدل ARIC، ثاثیر معنا‌داری در شاخص‌های فوق نداشت. در حجم نمونه کوچک، برآورد این دو شاخص در روش بیزی در مقایسه با روش فراوانی‌گرا، عملکرد بهتری نشان داد. نتیجه‌گیری: روش بیزی در حجم نمونه کوچک عملکرد معتبر و قابل اعتمادتری در مقایسه با روش فراوانی‌گرا داشت.
واژه‌های کلیدی: شاخص بهبود بازطبقه‌بندی خالص، شاخص تشخیصی ادغام شده، روش بیزی، دیابت، مدل پیش‌بینی
متن کامل [PDF 1077 kb]   (881 دریافت)    
نوع مطالعه: پژوهشی | موضوع مقاله: غدد درون‌ریز
دریافت: 1398/4/25 | پذیرش: 1398/9/16 | انتشار: 1399/1/23
ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Nariman S, Khalili D, Baghestani A R, Ahmadi F, Mahdavi M, Mehrabi Y. Comparison of Bayesian and Frequentist Methods in Estimating the Net Reclassification and Integrated Discrimination Improvement Indices for Evaluation of Prediction Models: Tehran Lipid and Glucose Study. Iranian Journal of Endocrinology and Metabolism 2019; 21 (4) :195-202
URL: http://ijem.sbmu.ac.ir/article-1-2607-fa.html

نریمان صدیقه، خلیلی داوود، باغستانی احمدرضا، احمدی فرزانه، مهدوی مریم، محرابی یداله. مقایسه روش‌های بیزی و فراونی‌گرا در برآورد شاخص‌های بهبود بازطبقه‌بندی برای ارزیابی مدل‌های پیش‌بینی: مطالعه قند و لیپید تهران. مجله‌ي غدد درون‌ريز و متابوليسم ايران. 1398; 21 (4) :195-202

URL: http://ijem.sbmu.ac.ir/article-1-2607-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
جلد 21، شماره 4 - ( 9-1398 ) برگشت به فهرست نسخه ها
مجله ی غدد درون‌ریز و متابولیسم ایران، دو ماهنامه  پژوهشی مرکز تحقیقات غدد درون‌ریز و متابولیسم، Iranian Journal of Endocrinology and Metabolism
Persian site map - English site map - Created in 0.06 seconds with 42 queries by YEKTAWEB 4657