مقایسه روش های بیزی و فراونی گرا در برآورد شاخص های بهبود بازطبقه بندی برای ارزیابی مدل های پیش بینی: مطالعه قند و لیپید تهران

برای برآورد شاخص های بهبود بازطبقه بندی خالص (NRI) و تشخیصی ادغام شده (IDI) که برای برآورد مقدار تاثیر افزودن نشانگرهای جدید در مدل های آماری به کار می رود، به طور معمول از روش فراوانی گرا استفاده می شود. این روش در بعضی موارد به ویژه در نمونه های کوچک، عملکرد ضعیفی دارد. در این مطالعه کارایی دو روش بیزی و فراوانی گرا مقایسه شده است.  

جمعیت بررسی شده، 734 زن با سن 20 سال و بالاتر پیش دیابتی، در مطالعه کوهورت قند و لیپید تهران (TLGS) بود. برای برآورد احتمال رخداد بیماری دیابت، مدل رگرسیون لوجستیک مشابه مدل پیش بینی بیماری دیابت در مطالعه ARIC استفاده شد که شامل نشانگرهای اندازه دور کمر، پرفشاری خون، قد، وزن، سن، سابقه خانوادگی دیابت، سیگاری بودن و ضربان نبض بود. روش های فراوانی گرا و بیزی برای برآورد شاخص های بهبود بازطبقه بندی خالص و تشخیصی ادغام شده، استفاده شد و سپس این دو روش در حجم نمونه کوچک مقایسه شدند. برای انجام تحلیل ها از نرم افزار R نسخه 3.1.3 استفاده شد. 

یافته ها:

برآورد شاخص های بهبود بازطبقه بندی خالص و تشخیصی ادغام شده به روش های بیزی و فراوانی گرا نتایج یکسانی داشتند که در هر دو روش افزودن نشانگرهای جدید اندازه دور مچ دست، سابقه تولد نوزاد بیش از 4/5 کیلوگرم، سابقه فشارخون بارداری به مدل ARIC، ثاثیر معنا داری در شاخص های فوق نداشت. در حجم نمونه کوچک، برآورد این دو شاخص در روش بیزی در مقایسه با روش فراوانی گرا، عملکرد بهتری نشان داد. 

نتیجه گیری:

روش بیزی در حجم نمونه کوچک عملکرد معتبر و قابل اعتمادتری در مقایسه با روش فراوانی گرا داشت.