عوامل مرتبط با بروز ديابت نوع دو در زنان پيش‌ديابتي با استفاده از مدل متوسط بيزي

Factors associated with incidence of type II diabetes in pre-diabetic women using Bayesian Model Averaging

هدف: ديابت، بيماري مزمني است كه معمولاً با اختلال تحمل گلوكز آغاز مي‌گردد. اين مرحله، اصطلاحاً به عنوان پيش‌ديابت شناخته مي‌شود. افراد پيش‌ديابتي در معرض خطر بيش‌تري براي رخداد ديابت هستند، بنابراين شناسايي عوامل خطرساز ديابت، در افراد پيش‌ديابتي، مورد توجه بيش‌تري است. به طور معمول براي انتخاب متغير، از روش گام‌به‌گام استفاده مي‌شود كه عدم قطعيت مدل را در نظر نمي‌گيرد. در اين مطالعه، براي برطرف كردن اين مشكل، از روش متوسط بيزي (Bayesian Model Averaging, BMA) استفاده شد. مواد و روش‌ها: جمعيت مورد بررسي، 734 زن 20 سال و بالاتر پيش‌ديابتي، در مطالعه كوهورت قند و ليپيد تهران (TLGS) است. در مطالعه حاضر، براي انتخاب متغير در رگرسيون لجستيك از روش‌هاي گام‌به‌گام و متوسط بيزي استفاده شد؛ سپس AUC دو روش محاسبه و با آزمون دلونگ (Delong) مقايسه شد. براي انجام تحليل‌ها از بسته BMA نرم‌افزار R نسخه 3.1.3 استفاده شد. يافته‌ها: روش متوسط بيزي، قندخون ناشتا، قندخون2ساعته، سابقه خانوادگي، نمايه توده بدني و مصرف آسپرين را در ابتداي مطالعه، به عنوان عوامل خطرساز بروز ديابت، انتخاب كرد. روش گام‌به‌گام علاوه بر اين‌ها، فشارخون دياستوليك، سابقه بستري 3 ماه گذشته، استفاده از داروهاي تيروييد و تحصيلات را نيز انتخاب كرد. با اين‌كه تعداد متغيرهاي روش گام‌به‌گام (9 متغير) بيش‌تر از روش متوسط بيزي (5 متغير) است، AUC براي روش‌هاي متوسط بيزي و گام‌به‌گام تفاوت معني‌داري نداشت. نتيجه‌گيري: به نظر مي‌رسد مدل متوسط بيزي قابليت خوبي براي غربالگري بيماري ديابت دارد، زيرا ضمن تشخيص متغيرهاي موثر كم‌تر، توانايي پيش‌بيني مدل نيز حفظ شد

Introduction: Diabetes is a chronic disease which usually begins with impaired glucose tolerance. This step is known as pre-diabetes. People with pre-diabetes are at greater risk for diabetes. Typically for the variable selection, stepwise approach is used which does not take into account model uncertainties. In this study, Bayesian Model Averaging (BMA) method was used to sort out the above shortcoming. Materials and Methods: The study population was 734 pre-diabetic women with 20 years and older participated in Tehran Lipid and Glucose Study (TLGS). In this study, the stepwise and BMA variable selection methods were employed in logistic regression. Then area under curve (AUC) for both methods was computed and compared with Delong test. All analyses was done using R version 3.1.3. Results: BMA selected the fasting plasma glucose, 2 hours’ blood glucose, and family history of diabetes, body mass index and aspirin use at baseline as risk factors for diabetic. In addition to these factors, stepwise method selected diastolic blood pressure, history of past 3 months’ hospitalization, thyroid drug use and education. Although the number of variables selected by BMA (5 variables) was less than that of stepwise (9 variables), AUC for the two methods was not significant. Conclusion: It seems that the BMA provide better model for screening of diabetes because with selecting fewer variables, prediction ability of the model is preserved.