مقايسه دقت پيش بيني شبكه هاي عصبي مصنوعي و رگرسيون لجستيك دو متغيره در تشخيص هم‌زمان بيماري فشارخون و ديابت

زمينه و هدف: ديابت و فشار خون از جمله بيماريهاي غير واگير هستند كه شيوع آنها براي مسئولان بهداشتي كشور بسيار مهم مي باشند. هدف اين مطالعه مقايسه مدل رگرسيون لجستيك ( LR ) دو متغيره با شبكه‌هاي عصبي مصنوعي ( Artificial Neural Networks=ANN ) در پيش‌بيني هم‏زمان رخداد بيماري فشارخون وديابت مي‏باشد. روش‏ كار: اين مطالعه تحليلي مقطعي در سال 1392-1391 در تهران با نمونه‌اي 12000 نفر از بالغين انجام شد. پرسشنامه طرح شامل گزينه هايي درباره فشار خون و ديابت و عوامل خطر اين بيماري‌ها بود. يك مدل ANN پرسپترون با دو لايه پنهان با به كارگيري نرم‌افزار MATLAB بر داده‌ها برازش داده شد. متغيرهاي مطالعه سابقه ديابت و فشار خون، جنسيت، نوع روغن مصرفي، فعاليت بدني، سابقه فاميلي، سن، سيگار كشيدن وچاقي بودند. براي مدل‌سازي ابتلاي توام به بيماريها، از مدل LR توام در نرم‌افزار SAS استفاده شد. براي بررسي دقت پيش‌بيني‌هاي حاصل از مدل LR و ANN در ابتلاي توام بيماري‌ها از سطح زير منحني ROC استفاده گرديد. يافته‌ها: متغيرهاي جنس، نوع روغن مصرفي، فعاليت بدني، سابقه فاميلي، سن، سيگاري غيرفعال وچاقي وارد مدل LR دو متغيره و ANN شدند. براي مدل LR نسبت بخت‌هاي متغيرهاي فوق به ترتيب1.14، 0.58، 1.8، 1.32، 0.36، 0.76 و 0.47 بدست آمد. بنابراين بخت ابتلاي توأم به بيماري‌ها در زنان (1.14)، عدم فعاليت بدني (1.8) و داراي سابقه فاميلي (1.32) نسبت به ساير گروه‌ها بيشتر است. سطح زير منحني ROC براي مدل LR دو متغيره و ANN به ترتيب 0.78 (0.039= p ) و 0.86 (0.046= p ) حاصل شد. نتيجه‌گيري: با توجه به نتايج و مقايسه دقت پيش‌بيني روش‌هاي فوق، به كارگيري ANN نسبت به مدل LR دو متغيره براي تشخيص هم‌زمان بيماري ديابت و فشار خون دقت بالاتري دارد.