fa مقایسه دقت پیش‌بینی رگرسیون لجستیک و درخت رده‌بندی در تعیین عوامل خطر و پیش‌بینی ابتلا به سرطان پستان عمومى General پژوهشي Research <p><strong>مقدمه و اهداف:</strong> سرطان پستان یکی از رایج‌ترین بدخیمی‌های زنان است که بعد از سرطان ریه بیشترین میزان مرگ را به خود اختصاص داده است. هدف این مطالعه، مقایسه دو مدل رگرسیون لجستیک و درخت رده‌بندی در تعیین عوامل مؤثر و پیش‌بینی ابتلا به سرطان پستان است.</p> <p><strong>روش کار:</strong> داده‌های مورداستفاده برگرفته از یک مطالعه‌ مورد- شاهدی است که بر پایه اطلاعات بیمارستانی از 303 بیمار مبتلابه سرطان پستان به‌عنوان مورد و همین تعداد افراد غیرمبتلا به این سرطان به‌عنوان شاهد به‌دست‌آمده است. ابتدا 16 متغیر به‌عنوان عوامل خطر بالقوه در دو مدل درخت رده‌بندی و رگرسیون لجستیک وارد و نتایج حاصل با استفاده از سطح زیر منحنی مشخصه عملکرد (ROC) و مقدار حساسیت و ویژگی مقایسه شدند.</p> <p><strong>نتایج: </strong>از 16 متغیر موردبررسی، پنج متغیر در مدل درخت رده‌بندی و پنج متغیر در مدل رگرسیون لجستیک معنی‌دار شدند. پیش‌بینی بر اساس این متغیرها منجر به حساسیت، ویژگی و سطح زیر منحنی ROC 71 درصد، 69 درصد و 7/74 درصد برای درخت رده‌بندی و3/63‌ درصد، 8/68 درصد و 1/71 درصد به‌ترتیب برای رگرسیون لجستیک گردید.</p> <p><strong>نتیجه‌گیری</strong>: با توجه به معیارهای به‌دست‌آمده، مدل درخت رده‌بندی از توانایی بالاتری نسبت به رگرسیون لجستیک در تفکیک بیماران از افراد سالم برخوردار بود. نتایج به‌دست‌آمده از مطالعه حاضر نشان داد که سه متغیر وضعیت یائسگی، تعداد افراد مبتلا به سرطان پستان در خانواده و سن مادر هنگام اولین تولد زنده در هر دو مدل رگرسیون لجستیک و درخت رده‌بندی به‌طور مشترک معنی‌دار بوده‌اند.</p> <p style="margin: 0cm 0cm 6pt; text-align: justify; unicode-bidi: embed; direction: ltr;"><font size="3"><font color="#000000"><b><span cen="" style="font-family: " tw="">Background and Objectives</span></b><font face="Calibri">: </font><span 2="" cen="" mso-bidi-font-family:="" mso-bidi-language:="" style="font-family: " tw="">Breast cancer is one of the most common malignancies in women which accounts for the highest number of deaths after lung cancer. The aim of the current study was to compare the logistic regression and classification tree models in determining the risk factors and prediction of breast cancer.</span></font></font></p> <p style="margin: 0cm 0cm 6pt; text-align: justify; unicode-bidi: embed; direction: ltr;"><font size="3"><font color="#000000"><b><span 2="" cen="" mso-bidi-font-family:="" mso-bidi-language:="" style="font-family: " tw="">Methods:</span></b><span 2="" cen="" mso-bidi-font-family:="" mso-bidi-language:="" style="font-family: " tw=""> We used from the data of a case-control study conducted on 303 patients with breast cancer and 303 controls. In the first step, we included 16 potential risk factors of breast cancer in both the logistic regression and classification tree models. Then, the area under the ROC curve (AUC), sensitivity, and specificity indexes were used for comparing these models.</span></font></font></p> <p style="margin: 0cm 0cm 6pt; text-align: justify; unicode-bidi: embed; direction: ltr;"><font size="3"><font color="#000000"><b><span 2="" cen="" mso-bidi-font-family:="" mso-bidi-language:="" style="font-family: " tw="">Results: </span></b><span cen="" style="font-family: " tw="">From 16 variables included in the models, 5 variables were statistically significant in both models. Sensitivity, specificity, and AUC was 71%, 69%, and 74.7% for the logistic regression and 63.3%, 68.8%, and 71.1% for the classification tree, respectively.</span></font></font></p> <p style="margin: 0cm 0cm 6pt; text-align: justify; unicode-bidi: embed; direction: ltr;"><font size="3"><font color="#000000"><b><span cen="" style="font-family: " tw="">Conclusion</span></b><span cen="" style="font-family: " tw="">:</span><font face="Calibri"> </font><span cen="" style="font-family: " tw="">The obtained results suggest that the classification tree has more power for separating patients from healthy people. Menopausal status, number of breast cancer cases in the family, and maternal age at the first live birth were significant indicators in both models.</span></font></font></p> سرطان پستان, عوامل خطر, درخت رده‌بندی, رگرسیون لجستیک Breast cancer, Risk factors, Classification tree, Logistic regression 49 57 http://irje.tums.ac.ir/browse.php?a_code=A-10-25-5152&slc_lang=fa&sid=1 F Zayeri فرید زایری No Associate Professor, Department of Biostatistics, Shahid Beheshti University of Medical Sciences, Tehran, Iran دانشیار، گروه آمار زیستی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی شهید بهشتی SH Seyedagha سید حسین سید آقا hosseinseyedagha@gmail.com Yes Faculty of Paramedical Sciences, Shahid Beheshti University of Medical Sciences, Students’ Research Committee, Tehran, Iran کارشناسی ارشد، گروه آمار زیستی، دانشکده پیراپزشکی، کمیته پژوهشی دانشجویان، دانشگاه علوم پزشکی شهید بهشتی H Aghamolaie هاله آقا مولایی No Faculty of Paramedical Sciences, Shahid Beheshti University of Medical Sciences, Tehran, Iran کارشناسی ارشد، گروه آمار زیستی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی شهید بهشتی F Boroumand فرزانه برومند No Faculty of Paramedical Sciences, Shahid Beheshti University of Medical Sciences, Tehran, Iran کارشناسی ارشد، گروه آمار زیستی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی شهید بهشتی P Yavari پروین یاوری No Department of Health and Community Medicine, Medical School, Shahid Beheshti University of Medical Sciences, Tehran, Iran استاد، گروه بهداشت و پزشکی اجتماعی، دانشکده پزشکی، دانشگاه علوم پزشکی شهید بهشتی