fa به‏کارگیری مدل جمعی‏تعمیم‏یافته در تعیین نوع ارتباط عوامل خطر رتینوپاتی در بیماران دیابتی شهر تهران آمار حیاتی Biostatistics پژوهشي Research <p> <strong> زمینه و هدف: </strong>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. </p><p> <strong> روش کار: </strong>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. </p><p> <strong> یافته‌ها: </strong>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. </p><p> <strong> نتیجه‌گیری: </strong>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. </p> <p> <strong> Background </strong>: One of the most important complications of diabetes, is diabetic retinopathy that causes the blindness of 10,000 people every year. Different researches have been done on retinopathy risk factors in diabetic patients. This study was carried out to check the type of relationship between retinopathy risk factors and the condition of temptation it with generalized additive models. The study attempts to increase the quality of predicting the response variable and to reveal the non-linear and non-monotonic relationships between the response and the set of explanatory variables with generalized additive models. </p><p> <strong> Methods: </strong>This cross-sectional study has been done on 367 diabetic patients who take part in assessment recall of retinopathy in Tehran. Entrants have been checked to determine their particulars, medical conditions and medicines. Finally has been used a data complex for fitting generalized additive models and binary logistic regression, including six continues explanatory variables: age, duration of diabetes, Body Mass index (BMI ), hemoglobin A1C, cholesterol, systolic blood pressure and response variable, to the presence of retinopathy Fitting model has been done with mgcvR software. </p><p> <strong> Results: </strong>In this study 120 cases (33%) were retinopathy patient and 247 cases (67%) were not. Results of the generalized additive model were denoting that following factors have affected on retinopathy: duration of diabetes, hemoglobin and systolic blood pressure. Moreover, it has been mentioned that duration of diabetes with linear function, hemoglobin with function of degree four and systolic blood pressure with quadratic function was related to retinopathy. </p><p> <strong> Conclusion: </strong>In addition to determination of retinopathy risk factors, it has been shown that generalized additive model can identify nonlinear relationship between variables. Therefore this model increases the quality of predicting response variable, with more information of the data relationships. </p> مدل جمعی تعمیم‏یافته، رگرسیون لجستیک دوحالتی، رتینوپاتی دیابتی. Generalized additive models, Binary logistic regression, Diabetic retinopathy. 1 9 http://rjms.iums.ac.ir/browse.php?a_code=A-10-1-1320&slc_lang=fa&sid=1 Masood Salehi مسعود صالحی 3900319475328460021160 3900319475328460021160 No Tehran University of Medical Sciences دانشگاه علوم پزشکی تهران Habibeh Vazirinasab حبیبه وزیری نسب 3900319475328460021161 3900319475328460021161 Yes Tehran University of Medical Sciences دانشگاه علوم پزشکی تهران Masoomeh Khoshgam معصومه خوشگام 3900319475328460021162 3900319475328460021162 No Tehran University of Medical Sciences دانشگاه علوم پزشکی تهران Nasrin Rafati نسرین رفعتی 3900319475328460021163 3900319475328460021163 No Shahid Beheshti University of Medical Sciences دانشگاه علوم پزشکی و خدمات درمانی شهید بهشتی