سامانه مدیریت اطلاعات تحقیقات، پژوهش و فناوری

دیابت شایع‌ترین اختلال متابولیک است (10).که در آن بدن قادر به تولید انسولین نیست و یا استفاده از آن به‌طور مناسب صورت نمی‌گیرد(11). بیماری دیابت حالتی پیش‌رونده دارد و باعث ناتوانی و مرگ‌ومیر زودرس می‌شود(12). از عوارض حاد دیابت، نوروپاتی، نفروپاتی، رتینوپاتی است که می‌توانند منجر به ایجاد اختلالات بینایی و بیماری‌های قلبی عروقی، قطع عضو، سکته مغزی و اغماء شود(13). از علائم این بیماری پر ادراری، پر نوشی، شب‌ادراری و کاهش وزن اشاره نمود(14). دیابت بین 6 تا 15 درصد از افراد جامعه را درگیر می‌کند و به‌طوری‌که درصد بالایی از این موارد ناشناخته بوده و تشخیص داده نمی‌شود(15) بر اساس گزارش سازمان بهداشت جهانی میزان شیوع دیابت در سال 2011 برای افراد بالغ ایران برابر 10.3 درصد گزارش‌شده است که این میزان در مردان 10 درصد و در زنان 10.4 درصد اعلام‌شده است(16)

در مطالعه وزیری نسب و همکاران (سال 1391) که در یک نمونه 367 نفر بیماران دیابتی شهر تهران جهت مقایسه مدل‌های جمعی تعمیم‌یافته و مدل‌های خطی تعمیم‌یافته در برآورد عوامل خطر رتینوپاتی انجام شد تأثیر خطی متغیرهای طول مدت ابتلا به بیماری، هموگلوبین گلیکوزیله و فشارخون سیستولیک در رتینوپاتی گزارش‌شده است همچنین در مطالعه احمدی و همکاران (در سال 1392) که در یک نمونه 5357 نفری از بیماران دیابت نوع دو جهت پیش‌بینی دیابت نوع 2 و تعیین میزان تأثیر عوامل خطر با استفاده از مدل رگرسیون لجستیک در شهر کرمان انجام دادند عواملی از قبیل مصرف داروی کاهش فشارخون در دو هفته گذشته با تجویز پزشک، جنسیت، سطح تحصیلات، دور کمر، پیاده‌روی و دوچرخه‌سواری، وزن،BMI، فشارخون دیاستولیک، سن، فشارخون دیاستولیک، اندازه دور باسن، تری گلیسیرید، کلسترول، سطح LDL، استفاده از مواد مخدر، قد، سطح HDL و داشتن فعالیت شدید 10 دقیقه معنی‌دار بودند(2).

در مطالعه بالیتو (2017) با استفاده از مدل رگرسیون جمعی و تابع مفصل به تحلیل داده­های دیابت در شهر سانتیاگو پرداخت. در این تحقیق میزان تغییرات بیان دو پروتئین HbA1c و GA با استفاده از مدل جمعی تحلیل شده و در ادامه با استفاده از تابع مفصل توزیع توام تغییرات بیان آنها و به تبع آن  تغییرات یکی از آنها به کمک دیگری پیشبینی شدند. در این تحلیل متغیرهای مستقل مورد استفاده شامل جنسیت، ترک سیگار، مصرف سیگار، مصرف الکل، سن، ورزش، میزان گلوکز، BMI و MCV  بودند که تاثیر آن­ها بر میزان پروتئین­های مورد بررسی تعیین شد. نتایج این تحقیق نشان داد که میزان گلوکز در هردو پروتئین نقش اساسی را ایفا می کند و میزان جذب HbA1c بصورت تابعی خطی از سن افزایش پیدا می کند که این تاثیر برای افراد بالای 60 سال معنی دار شده است.  همچنین شاخص توده بدنی (BMI) و میزان چاقی افراد برروی پروتئین GA اثر معنی دار معکوس و بر HbA1c اثر معنی دار مثبت داشتند(1).

با توجه به مزمن بودن وعدم وجود درمان قطعی بیماری دیابت شناخت عوامل مؤثر در بروز آن کمک شایانی در جهت مدیریت این بیماری نموده و می‌تواند در پیشگیری، تشخیص زودهنگام و کاهش رنج ناشی از این عوارض مؤثر باشد در مطالعات قبلی از تحلیل رگرسیون چندگانه که یکی از تکنیک های آماری برای تعیین عوامل اثرگذار بر دیابت است به‌طور گسترده استفاده‌شده است؛ و این مدل هنگامی‌که ارتباط بین متغیرهای مستقل و پاسخ، خطی است یک ابزار قدرتمند می‌باشند؛ اما فرض خطی بودن در بسیاری از کاربردها، محدودکننده است. بدین‌صورت که در بسیاری از کاربردها ارتباط کاملاً خطی نمی‌تواند تأثیرگذاری عوامل در مدل تبیین نماید.

در شرایطی که ارتباط میان متغیر پاسخ و متغیرهای مستقل خطی نیست استفاده از مدل‌های غیرخطی توجیه‌پذیر است. یکی از مدل‌های مناسب غیرخطی استفاده از مدل‌های جمعی تعمیم‌یافته است. مدل رگرسیون جمعی در سال 1990 توسط هاستی و تیبشیرانی ارائه شد این مدل نا پارامتری است که برخلاف مدل خطی ساده داده‌ها شکل منحنی پاسخ را تعیین می‌کنند. در مدل جمعی تعمیم‌یافته فرض بر این است که متغیر پاسخ دارای توزیعی از خانواده نمایی باشند و تفاوت اساسی این مدل‌ها با مدل‌های دیگر استفاده از توابع هموار گر نامعلوم است که این توابع قابلیت جمع‌پذیری دارند. ویژگی مهم یک هموارساز ماهیت نا پارامتری آن است بدین‌صورت که یک فرم تابعی از پیش تعیین‌شده برای بیان رابطه که این رابطه به‌طور مستقیم از داده‌ها حاصل می‌شود، به همین دلیل هموارسازی ابزاری برای رگرسیون نا پارامتری تلقی می‌شود. میانگین متحرک، خط متحرک، هموارسازهای هسته و هموارسازهای اسپلاین چند نمونه از تکنیک های هموارسازی هستند. از طرفی جهت پیش‌بینی شاخص‌های HBA1c و FBS استفاده از تابع مفصل جهت تعیین تابع توزیع احتمال توأم بین دو متغیر مذکور است تابع مفصل یک ابزار قدرتمند برای بیان وابستگی بین متغیرها است که در آن با پیدا کردن مدل احتمالی مناسب برای داده‌های چند متغیره به بررسی تحلیل ارتباط میان آن‌ها پرداخته می‌شود. در این تحقیق هدف بر آن است که با ارائه یک روش آماری قوی برای دادهای دیابت  با استفاده از مدل رگرسیون جمعی مفصل به  پیش‌بینی دیابت و عوامل مؤثر بر آن پرداخت.