مقایسه دقت پیش بینی شبکه های عصبی مصنوعی و رگرسیون لجستیک دو متغیره در تشخیص هم‏زمان بیماری فشارخون و دیابت

زمینه و هدف : دیابت و فشار خون از جمله بیماریهای غیر واگیر هستند که شیوع آنها برای مسئولان بهداشتی کشور بسیار مهم می باشند. هدف این مطالعه مقایسه مدل رگرسیون لجستیک ( lr ) دو متغیره با شبکه های عصبی مصنوعی ( artificial neural networks=ann ) در پیش بینی هم‏زمان رخداد بیماری فشارخون ودیابت می‏باشد.   روش‏ کار : این مطالعه تحلیلی- مقطعی در سال 1392-1391 در تهران با نمونه ای 12000 نفر از بالغین انجام شد. پرسشنامه طرح شامل گزینه هایی درباره فشار خون و دیابت و عوامل خطر این بیماری ها بود. یک مدل ann پرسپترون با دو لایه پنهان با به کارگیری نرم افزار matlab بر داده ها برازش داده شد. متغیرهای مطالعه سابقه دیابت و فشار خون، جنسیت، نوع روغن مصرفی، فعالیت بدنی، سابقه فامیلی، سن، سیگار کشیدن وچاقی بودند. برای مدل سازی ابتلای توام به بیماریها، از مدل lr توام در نرم افزار sas استفاده شد. برای بررسی دقت پیش بینی های حاصل از مدل lr و ann در ابتلای توام بیماری ها از سطح زیر منحنی roc استفاده گردید.   یافته ها : متغیرهای جنس، نوع روغن مصرفی، فعالیت بدنی، سابقه فامیلی، سن، سیگاری غیرفعال وچاقی وارد مدل lr دو متغیره و ann شدند. برای مدل lr نسبت بخت های متغیرهای فوق به ترتیب14/1، 58/0، 8/1، 32/1، 36/0، 76/0 و 47/0 بدست آمد. بنابراین بخت ابتلای توأم به بیماری ها در زنان (14/1)، عدم فعالیت بدنی (8/1) و دارای سابقه فامیلی (32/1) نسبت به سایر گروه ها بیشتر است. سطح زیر منحنی roc برای مدل lr دو متغیره و ann به ترتیب 78/0 (039/0= p ) و 86/0 (046/0= p ) حاصل شد.   نتیجه گیری : با توجه به نتایج و مقایسه دقت پیش بینی روش های فوق، به کارگیری ann نسبت به مدل lr دو متغیره برای تشخیص هم زمان بیماری دیابت و فشار خون دقت بالاتری دارد.