The comparison of logistic regression model selection methods for theprediction of coronary artery disease

Abstract

Amaç: Bu çalışma, koroner arter hastalığının (KAH) tahmini için lojistik regresyon modeli seçim yöntemlerinin karşılaştırılması amacıyla yapılmıştır. Yöntemler: Koroner arter hastalığı verileri, 2001 yılında ‹nönü Üniversitesi Tıp Fakültesi Kardiyoloji bölümüne müracaat eden ardışık 237 bireyden elde edilmiştir. Lojistik regresyon modeli seçim yöntemleri, kesikli ve sürekli bağımsız değişkenlerden oluşan KAH verilerine uygulanmıştır. Modellerin uyum iyiliği testi Hosmer-Lemeshow istatistiği ile yapılmıştır. Tahminlenen modellerin karşılaştırılmasında olabilirlik oran istatistiği kullanılmıştır. Bulgular: Her bir model seçim yöntemine ait duyarlılık, seçicilik ve doğruluk oranları % 91.9’dan daha yüksek bulunmuştur. Modellerin KAH verilerini başarılı bir şekilde açıkladığı Hosmer-Lemeshow uyum iyiliği testi sonuçları ile doğrulanmıştır. Koroner arter hastalığı ile ilişkili etkenler belirlenip, sonuçlar yorumlanmıştır. Sonuç: Lojistik regresyon modeli seçim yöntemleri KAH’ın tahmin edilmesinde oldukça başarılı sonuçlar vermiştir. Olabilirlik oran istatistiği sonuçlarına göre KAH’ın tahmini için adımsal yöntemlerin Enter yönteminden daha iyi olduğu saptanmıştır. Yaş, diyabetes mellitus, hipertansiyon, aile öyküsü, sigara kullanımı, düşük dansiteli lipoprotein, trigliserid, stres ve obezite değişkenleri KAH’ı tahmin etmede kullanılabilir.

In this study, logistic regression model selection methods were compared for the prediction of coronary artery disease (CAD). Methods: Coronary artery disease data were taken from 237 consecutive people who had been applied to ‹nönü University Faculty of Medicine, Department of Cardiology. Logistic regression model selection methods were applied to CAD data containing continuous and discrete independent variables. Goodness of fit test was performed by Hosmer-Lemeshow statistic. Likelihood-ratio statistic was used to compare the estimated models. Results: Each of the logistic regression model selection methods had sensitivity, specificity and accuracy rates greater than 91.9%. HosmerLemeshow statistic showed that the model selection methods were successful in the description of CAD data. Related factors with CAD were identified and the results were evaluated. Conclusion: Logistic regression model selection methods were very successful in the prediction of CAD. Stepwise model selection methods were better than Enter method based on Likelihood-ratio statistic for the prediction of CAD. Age, diabetes mellitus, hypertension, family history, smoking, low-density lipoprotein, triglyceride, stress and obesity variables may be used for the prediction of CAD.