ارزیابی عملکرد رگرسیون خطی چندگانه و انواع مدل خطی تعمیم یافته در تخمین سن یائسگی طبیعی: یک مطالعه توصیفی

از آنجا که زنان حدود یک سوم از عمر خود را در یایسگی سپری می کنند، پیش بینی صحیح سن یایسگی طبیعی و پارامترهای موثر بر آن، برای افزایش امید به زندگی زنان بسیار مهم است.

هدف از این مطالعه مقایسه عملکرد مدل های خطی تعمیم یافته (GLM) و روش حداقل مربعات معمولی (OLS) در پیش بینی سن یایسگی طبیعی در جمعیت بزرگی از زنان ایرانی بود.

این مطالعه مقطعی با استفاده از داده های مرحله اول مطالعه ی کوهورت شاهدیه که در سال 2016-2015 جمع آوری شده بود، انجام شده است. در مجموع 1251 زن که تجربه یایسگی طبیعی داشتند، وارد مطالعه شدند. برای مدل سازی سن یایسگی طبیعی، از مدل رگرسیون خطی چندگانه با استفاده از روش OLS و GLMs استفاده شد. با کمک معیار اطلاعات آکاییکه (ACI)، جذر میانگین مربع خطا (RMSE) و میانگین خطای مطلق (MAE)، عملکرد مدل های رگرسیون اندازه گیری شد.

میانگین سن یایسگی زنان 7/4 ± 1/49 سال (3/49-8/48 =  CI:95%) با میانه 50 سال بود. تجزیه و تحلیل، مقادیر مشابه معیار Akaike را برای مدل خطی چندگانه با روش OLS و GLM با خانواده Gaussian نشان داد. با این حال، مقادیر RMSE و MAE در مدل  GLM بسیار کمتر بود. در همه    مدل ها، تحصیلات، سابقه جراحی سالپینژکتومی، دیابت، ایسکمیک قلبی و افسردگی به طور معنی داری با سن یایسگی ارتباط داشتند.

به منظور پیش بینی سن یایسگی طبیعی در این مطالعه، GLM با خانواده گاوسی و تابع پیوند Log با کاهش خطاهای RMSE و MAE      می تواند جایگزین مناسبی برای مدل سازی سن یایسگی طبیعی باشد.