مقاله

ساخت مدل پیشگویی کننده میرایی در بیماران مبتلا به hiv/aids مرکز مشاوره بیماری های رفتاری دانشگاه علوم پزشکی شیراز با کنترل داده های مفقود شده آن ها در طی سال های ۱۳۸۳ -۱۳۸۸

چکیده

مقدمه: یکی از مهم­ترین چالش­های مراقبت و درمان بیماران مبتلا به hiv/aidsتشخیص به هنگام عوامل پیشگویی کننده مرگ­ومیر می­باشد. مدل رگرسیونی شیوه مناسبی برای ارزیابی عوامل خطر مرتبط با بیماری است. اگرچه وجود داده­های مفقود شده ساختن مدل را دشوار می­کند. هدف این مقاله ایجاد مدل­های تشخیصی برای پیش­بینی مرگ­ومیر در بیماران hiv/aids است. مدل را پس از حذف داده­های مفقود شده ایجاد کرده (c-c model)و سپس از شیوه استنادسازی (mice technique) استفاده کردیم. مواد و روش­ها: این مطالعه بر روی 1460 شخص آلوده بهhiv که در طی سال­های 1383 الی 1388 به مرکز مشاوره بیماری­های رفتاری دانشگاه علوم پزشکی شیراز مراجعه کرده بودند انجام شد. از 15 متغیر که به­عنوان عامل خطر مطرح بودند، تنها متغیر­هایی که در آنالیز تک متغیره دارای p-value کم­تر از 25 % بودند برای مدل آنالیز چندگانه انتخاب شدند. در مدل c-cبیمارانی که حتی دارای یک مشاهده مفقود شده بوده را حذف کردیم. در مرحله بعدی از مدل mice استفاده و هر مقدار مفقود شده را به­وسیله 10 مقدار استناد سازی شده جایگزین کرده و چندین داده مرجع استناد شده را تولید کردیم.درهر دو مدل از شیوه حذف روبه عقب استفاده شد. یافته­ها: در آنالیز با شیوه c-c حجم نمونه به 475 کاهش یافته و تنها p.v معناداری را برای سه متغییر پیش­گویی­کننده (با و بدون علامت ایدز، متادون و تاریخچه زندان) یافتیم. در مدل mice 5 متغیر دیگر نیز معنادار شدند. نتیجه­گیری: داده­های مفقود شده مشکل بسیاری از اطلاعات مراکز بهداشتی و درمانی است. در آنالیز با مدل c-c ما داده­های مفقود شده رانادیده گرفتیم که این مسأله منجر به از دست رفتن توان آماری برای برخی متغیرها شده، در حالی­که استناد سازی با شیوه­هایی مانند mice برخی از متغیرهای دیگررا نیز به سطح معناداری رساند. ما به نتیجه رسیدیم که مدل mice تکنیکی بسیار قوی بوده و آن را برای داده­های مفقود شده توصیه می­نماییم.

اسناد مشابه