مقايسه مدل‏هاي جمعي تعميم‏يافته و مدل‏هاي خطي تعميم‏يافته در برآورد عوامل خطر رتينوپاتي بيماران ديابتي شهر تهران

Comparison of generalized additive models and generalized linear models for estimating the retinopathy risk factors for Tehran diabetic patients

زمينه و هدف: يكي از عوارض شناخته شده ديابت، رتينوپاتي ديابتي است كه عامل نابينايي افراد در سنين 20 تا 74 سال محسوب مي‏شود. تعيين عوامل خطر مرتبط با پيشرفت بيماري مي‏تواند در پيشگيري، تشخيص زودهنگام و كاهش رنج ناشي از اين عوارض مهم باشد. در اين مطالعه سعي شده است با تعيين عوامل موثر بر رتينوپاتي به مقايسه دو مدل خطي تعميم‏يافته و جمعي تعميم‏يافته پرداخته شود. مواد و روش كار: در اين مطالعه مقطعي، تعداد 367 بيمار ديابتي شركت داشتند. متغيرهايي همچون سن، طول مدت ابتلا به ديابت، شاخص توده بدني، هموگلوبين گليكوزيله، كلسترول و فشارخون سيستوليك در اين افراد اندازه‏گيري شد. با استفاده از معاينات چشم وجود رتينوپاتي در اين افراد بررسي شد. در اين مطالعه براي برازش مدل خطي تعميم‏يافته و مدل جمعي تعميم‏يافته از نرم‏افزار R استفاده شده است. يافته‏ها: در اين مطالعه120 نفر (33%) از بيماران به رتينوپاتي مبتلا بودند و 247 نفر (67%) رتينوپاتي نداشتند. بر اساس نتايج مدل خطي تعميم‏يافته، اثر خطي متغيرهاي طول مدت ابتلا (001/0 > p)، هموگلوبين گليكوزيله (001/0 > p) و فشارخون سيستوليك (018/0=p) در رتينوپاتي معني‏دار گزارش شد. اين در حالي است كه با استفاده از مدل جمعي تعميم‏يافته علاوه بر معني‏داري اثر اين سه متغير قادر به كشف رابطه درجه چهار هموگلوبين و رابطه درجه دو فشارخون با رتينوپاتي نيز مي‏باشيم. نتيجه‏گيري: براي تعيين عوامل خطر رتينوپاتي، مدل خطي تعميم‏يافته تنها قادر به كشف روابط خطي بين متغيرهاست. در حالي كه مدل جمعي تعميم‏يافته با ارايه اطلاعات بيشتري از روابط بين متغيرها، كيفيت پيش‏بيني پاسخ را به حداكثر مي‏رساند. اين كيفيت پيش‏بيني به وسيله كاهش ميانگين مربعات خطا و تست هازمرلمشو بيان شده است.

Background & objectives: One of the most important complications of diabetes is diabetic retinopathy. It is the leading cause of blindness in persons aged 20–74 years. The identification of risk factors associated with the development of retinopathy is important for early screening and intervention. The study attempts to compare of generalized additive models (GAM) and generalized linear models (GLM) for estimating the retinopathy risk factors for diabetic patients. Material & Methods: This cross-sectional study was carried out on 367 diabetic patients. Variables include age, duration of diabetes, BMI, hemoglobin A1C, cholesterol, and systolic blood pressure. All participants were checked to determine existence of retinopathy by eye examination. Fitting GLM and GAM were done with R software. Results: 120 cases (33%) were retinopathy patient and 247 cases (67%) were not. Results of the generalized linear model showed factors had effects on retinopathy including: duration of diabetes (p < 0/001), hemoglobin A1C (p < 0/001) and systolic blood pressure (p=0/018).while GLM can in addition to determination of retinopathy risk factors, identify nonlinear relationship between variables. Conclusion: To determine retinopathy risk factors, GLM is only able to discover linear relationship between variables. While GAM increases the quality of predicting response variable with more information of the data relationships. This quality of predicting has been show by decrease of mean square error and Hosmer Lemeshow test.