%0 Journal Article %T Application of Bayesian logistic regression for determining the risk factors of diabetic retinopathy %J Razi Journal of Medical Sciences %V 22 %N 135 %U http://rjms.iums.ac.ir/article-1-3949-fa.html %R %D 2015 %K Diabetic retinopathy, Risk factors, Bayesian logistic regression, %X زمینه و هدف: دیابت یکی از شایع‌ترین بیماری‌های مزمن قرن حاضر است. پیامدهای متعددی در بیماران دیابتی رخ می‌دهد که از مهم‌ترین آن‌ها را می‌توان رتینوپاتی و ماکولاپاتی دانست. در مطالعه حاضر به بررسی عوامل خطر رخداد رتینوپاتی دیابتی با استفاده از رگرسیون لجستیک بیزی پرداخته شده است. روش کار: در این مطالعه مقطعی-تحلیلی، تعداد 623 بیمار به روش نمونه‌گیری خوشه‌ای چندمرحله‌ای از بین تمامی بیماران دیابتی شهر تهران انتخاب شدند. متغیرهایی همچون سن، جنسیت، طول مدت ابتلا به دیابت، شاخص توده بدنی، هموگلوبین گلیکوزیله، فشار خون سیستولیک و ... در این افراد اندازه‌گیری شده و با استفاده از معاینات چشم وجود رتینوپاتی بررسی گردید. در این مطالعه برای برازش مدل رگرسیون لجستیک بیزی از نرم افزار SAS نسخه 9.3 استفاده شد. یافته‌ها: در مطالعه حاضر تعداد 623 بیمار دیابتی مورد بررسی قرار گرفتند که از این میان، 4/54% (339 نفر) نمونه را زنان و 6/45% (284 نفر) را مردان تشکیل داده‌اند. در حدود 38% (236 نفر) از این بیماران دیابتی مبتلا به رتینوپاتی بوده و میانگین ( gte msEquation 12]>± !msEquation]-->      انحراف معیار) سن زنان و مردان به ترتیب برابر 05/11±5/59 و 65/11±5/60 سال بود. با توجه به نتایج مدل رگرسیون لجستیک بیزی، متغیرهای سن، طول مدت ابتلا به دیابت، هموگلوبین‏ گلیکوزیله، جنسیت، نوع انسولین مصرفی، ابتلا به ادم ماکولار و فشارخون تاثیر آماری معناداری در بروز بیماری رتینوپاتی داشتند. نتیجه‌گیری: در تعیین عوامل خطر رتینوپاتی دیابتی، نتایج رگرسیون لجستیک بیزی و مدل لجستیک کلاسیک از نظر جهت و اندازه تقریبا یکسان بوده ولی برآوردهای بیزی بازه‌های اطمینان کوتاه‌تری دارند. %> http://rjms.iums.ac.ir/article-1-3949-fa.pdf %P 131-139 %& 131 %! %9 Research %L A-10-1-1713 %+ %G eng %@ 2228-7043 %[ 2015