استفاده از مدل هاي پارامتري و مدل كاكس در تحليل عوامل موثر برتشخيص رتينوپاتي بيماران مبتلا به ديابت نوع2

Using Parametric and Cox Models in Analysis of Factors Influencing the Diagnosis of Retinopathy in Type II Diabetes

سابقه و هدف : يكی از عوارض مهم ديابت رتينوپاتی ديابتی است كه يك نوع عارضه عروقی بسيار اختصاصي برايديابت نوع يك و دو محسوب می شود. مطالعه حاضر با هدف بررسی عوامل موثر بر تشخيص رتينوپاتی در بيماران مبتلا به ديابت نوع 2 با استفاده از مدل كاكس و مدل های پارامتری نمايی، وايبل، لگ نرمال، لگ لجستيك و مقايسه ی كارايي آن ها انجام شد. مواد و روش ها: در اين پژوهش آينده نگر تاريخی، 400 بيمار مبتلا به ديابت نوع 2 و فاقد رتينوپاتی كه در سال 1387 در مركز تحقيقاتی - درمانی ديابت يزد تشكيل پرونده داده بودند، وارد مطالعه گرديدند و تا بهمن ماه 1391 از نظر تشخيص رتينوپاتی پيگيری شدند . متغيرهای معنی دار در مدل تك متغيره، برای بررسی عوامل موثر بر تشخيص رتينوپاتي وارد مدل های چند متغيره كاكس و پارامتری شدند . معيار مقايسه كارايی مدل ها، ملاك آكائيكه بود . كليه محاسبات با 0 در نظر گرفته شد. / انجام و سطح معنی داری 05 R نرم افزار يافته ها: ميانگين و ميانه زمان تشخيص رتينوپاتی به ترتيب 46 و 58 ماه بود . 3 درصد بيماران در كم تر از يك سال و 16 درصد از بيماران در كم تر از دو سال رتينوپاتی برای آ نها تشخيص داده شد. استنتاج: متغيرهای آنمی، مصرف آسپرين، مدت ابتلا به ديابت، استفاده از انسولين می تواند به عنوان عوامل خطر قوي طبق ملاك آكائيكه، مدل كاكس بهترين برازش را در تعيين عوامل .(p <0/ در تشخيص رتينوپاتی مد نظر قرار گيرد ( 05 مؤثر بر تشخيص رتينوپاتی دارد.

Background and purpose: One of the major complications of diabetes is retinopathy which is a highly specific vascular complication of type I and II diabetes. This study aimed at investigating the factors influencing the diagnosis of retinopathy in patients with type II diabetes using Cox, parametric, exponential, weibull, Log normal, and Log-logistic models and comparing their functions Material and Methods: This prospective cohort study included 400 patients with type II diabetes without retinopathy who were registered at Yazd Diabetes Research Center in 2008. They were followed up for diagnosis of retinopathy until February 2013. Significant variables in the univariate model for investigating the effective factors on diagnosis of retinopathy were entered in Cox multivariate and parametric models. The criterion to compare the performance of models was Akaike information criterion. Data was then analyzed in R software and 0.05 was considered as the significance level. Results: The mean and median periods to diagnose retinopathy were 46 and 58 months. Among the patients 3% were diagnosed with retinopathy in less than one year and in 16% the diagnosis was made in less than two years Conclusion: Some variables including anemia, taking aspirin, duration of diabetes, and using insulin were amongst the main risk factors for diagnosis of retinopathy (P<0.05). According to Akaike information criterion we found that Cox model best fits for determining factors influencing the diagnosis of retinopathy.