TY - JOUR T1 - Application of the generalized additive model in determination of the retinopathy risk factors relation types for Tehran diabetic patients TT - به‏کارگیری مدل جمعی‏تعمیم‏یافته در تعیین نوع ارتباط عوامل خطر رتینوپاتی در بیماران دیابتی شهر تهران JF - RJMS JO - RJMS VL - 19 IS - 97 UR - http://rjms.iums.ac.ir/article-1-2151-fa.html Y1 - 2012 SP - 1 EP - 9 KW - Generalized additive models KW - Binary logistic regression KW - Diabetic retinopathy. N2 -   زمینه و هدف: یکی از مهم ترین عوارض دیابت، رتینوپاتی ( Retinopathy ) دیابتی است که سالانه باعث کوری 10 هزار نفر می‏شود. مطالعات مختلفی به بررسی عوامل خطر رتینوپاتی در بیماران دیابتی پرداخته‏اند. این تحقیق نیز به منظور بررسی روابط بین عوامل خطر رتینوپاتی و وضعیت ابتلا به این بیماری انجام شده است. در این مطالعه تلاش شده است تا با به‏کارگیری مدل جمعی تعمیم‏ یافته، کیفیت پیش‏بینی متغیر وابسته را به حداکثر رسانده و روابط غیرخطی و غیریکنواخت بین پاسخ و متغیرهای توضیحی، کشف گردد.   روش کار: این پژوهش مقطعی، تحلیلی بر روی 367 بیمار دیابتی شرکت‏کننده در فراخوان ارزیابی رتینوپاتیشهر تهران انجام شد. شرکت‏کنندگان برای تعیین ویژگی‌ها، شرایط پزشکی و داروهایشان مورد بررسی قرار گرفتند. در نهایت، از مجموعه داده‏ای شامل شش متغیر توضیحی پیوسته‏ سن، طول مدت ابتلا به دیابت، شاخص توده بدنی، هموگلوبین A1C ، کلسترول , فشارخون سیستولیک و متغیر پاسخ وجود رتینوپاتی، برای به دست آمدن مدل‏های جمعی تعمیم‏یافته و رگرسیون لجستیک( Logistic Regression )دوحالتی استفاده شد. برازش مدل به وسیله نرم افزار mgcvR انجام شد.   یافته‌ها: در این مطالعه120 نفر (33%) از بیماران به رتینوپاتی مبتلا بودند و 247 نفر (67%) رتینوپاتی نداشتند. نتایج حاصل از مدل جمعی تعمیم‏یافته حاکی از تاثیرگذاری طول مدت ابتلا به دیابت (001/0> p )، هموگلوبین A1C (004/0= p ) و فشارخون سیستولیک (032/0= p ) بر رتینوپاتی بود. به‏علاوه نشان داده شد که طول مدت ابتلا با یک رابطه خطی، هموگلوبین A1C با تابع درجه چهار و فشارخون با تابع درجه دو با رتینوپاتی دیابتی ارتباط دارند.   نتیجه‌گیری: علاوه بر تعیین عوامل خطر رتینوپاتی دیابتی , نشان داده شد که مدل جمعی تعمیم‏یافته توانایی شناسایی روابط غیرخطی بین متغیرها را داراست. بنابراین , این مدل با اطلاعات بیشتری از روابط بین داده‏ها، کیفیت پیش‏بینی پاسخ را به حداکثر می‏رساند. M3 ER -