Buradasınız

Anasayfa » Content

Sistolik Kan Basıncının Tahmininde Yanlı Regresyon Yöntemlerinin Kullanılması

The Use of Biased Regression Methods in Predicting Systolic Blood Pressure

Journal Name:

  • İnönü Üniversitesi Tıp Fakültesi Dergisi

Publication Year:

  • 2010

Key Words:

Keywords (Original Language):

Author NameUniversity of AuthorFaculty of Author
Abstract (2. Language): 
Objective: In this study, it is aimed to investigate the results of Least Square Regression (LS), Ridge Regression (RR) and Principal Components Regression (PCR) methods in predicting systolic blood pressure. Material and Methods: This study is cross-sectional and analytical. It had not been occured a control group for the purpose of comparison. Age, height, abdominal circumference, glucose, HDL, LDL, urea, creatinine, potassium, HGB, HCT and diastolic blood pressure were discussed as explanatory variables. Data were obtained from 128 patients who came to Fırat University Medical Center’s Cardiology Clinic between 1 October 2009 and 28 December 2009. Results: R-square values for LS, RR and PCR were obtained as 0.6003, 0.5876 and 0.5994, respectively. Mean Square Error (MSE) values were obtained as 13.305, 13.515 and 13.319, respectively. Because multicollinearity was resolved and the results accordance with theoretical expectations was obtained, Ridge parameter k = 0.02 was chosen in the RR method. Conclusion: It was decided that diastolic blood pressure, abdominal circumference and creatinine variables can be used to predict systolic blood pressure and a more consistent, more stable and accordance with theoretical expectations estimates had been obtained with RR and PCR methods. According to the results of PCR and RR, it was determined that PCR provides better estimates than RR.
Bookmark/Search this post with
Abstract (Original Language): 
Amaç: Bu çalışmada, sistolik kan basıncının (SKB) tahmin edilmesinde En Küçük Kareler Regresyonu (LS), Ridge Regresyonu (RR) ve Temel Bileşenler Regresyonu (PCR) yöntemlerine ilişkin sonuçların incelenmesi amaçlandı. Gereç ve Yöntemler: Bu çalışma kesitsel ve analitik bir çalışma olup, karşılaştırma amacıyla herhangi bir kontrol grubu oluşturulmamıştır. Yaş, boy, karın çevresi, glikoz, HDL, LDL, üre, kreatinin, potasyum, HGB, HCT ve diastolik kan basıncı açıklayıcı değişkenler olarak ele alınmıştır. Veriler 1 Ekim 2009 ile 22 Aralık 2009 tarihleri arasında Fırat Üniversitesi Tıp Merkezi Kardiyoloji Polikliniğine gelen 128 hastadan elde edilmiştir. Bulgular: LS, RR ve PCR için belirlilik katsayıları sırasıyla 0.6003, 0.5876 ve 0.5994; hata kareler ortalamaları sırasıyla 13.305, 13.515 ve 13.319 olarak elde edilmiştir. RR yönteminde k Ridge parametresi; çoklu bağlantının giderildiği ve kuramsal beklentilere uygun sonuçlarının elde edilebildiği ilk değer olan 0.02 seçilmiştir. Sonuç: Diastolik kan basıncı, karın çevresi ve kreatinin değişkenlerinin, sistolik kan basıncının tahmininde kullanılabileceğine, PCR ve RR yöntemleri ile daha tutarlı ve durağan kuramsal beklentilere uygun tahminler elde edildiği sonucuna varıldı. PCR ve RR sonuçları incelendiğinde, PCR’nin RR’ye göre biraz daha iyi tahminler sağladığı belirlendi.
FULL TEXT (PDF): 
PDF icon arastirmax-sistolik-kan-basincinin-tahmininde-yanli-regresyon-yontemlerinin-kullanilmasi.pdf
  • 4
247-253
  • Turkish

REFERENCES

References: 

1. Türe M, Kurt İ, Yavuz E, Kürüm T. [Comparison of multiple
prediction models for hypertension (Neural networks, logistic
regression and flexible discriminant analyses)] Anadolu
Kardiyoloji Dergisi 2005;5(1):24-8.
2. Müller DN, Luft CF, Direct renin inhibition with aliskiren in
hypertension and target organ damage. Clin J Am Soc Nephrol
2006;1:221-8.
3. Çakmak HA, Arslan E, Erdine S, [Unmet needs in hypertension],
Türk Kardiyoloji Derneği Araştırması. Arch Turk Soc Cardiol,
2009;37(7):1-4.
Sistolik Kan Basıncının Tahmininde Yanlı Regresyon Yöntemlerinin Kullanılması
353
4. El-Guindy MS, Khatilo MNO, Clinical guidelines fort he
managament of hypertension. 2005. EMRO technical
publications series 29. WHO Regional Office for the Eastern
Mediterraneon Cairo.
5. Alpar R, Çoklu Doğrusal Regresyon, Uygulamalı Çok Değişkenli
İstatistiksel Yöntemlere Giriş. 12. Baskı, Ankara:Nobel Yayın
Dağıtım 2003;299-301.
6. Karagöz M, Regresyon Analizi, İstatistik Yöntemleri. 6. Baskı,
Bursa: Ekin Kitabevi 2006:313-6.
7. Freund JE. Regresyon ve Korelasyon (Bağlanım ve İlişki),
Matematiksel İstatistik Çeviren: Ümit Şenesen, İstanbul: Literatür
Yayıncılık 2002;456-507.
8. Orhunbilge N. Çoklu Regresyon ve Korelasyon Analizi.
Uygulamalı Regresyon Ve Korelasyon Analizi. 2. Baskı, İstanbul:
İ.Ü. Basım ve Yayınevi Müdürlüğü, 2002;99-100.
9. Albayrak AS. [Biased estimation techniques which are the
alternative of least square technique for multicollinearity problem
and an application], ZKÜ Sosyal Bilimler Dergisi 2005;1(1):105-
26.
10. Hoerl AE, Kennard RW. Ridge regression: biased estimation for
non-orthogonal problems. Technometrics 1970a; 12(1):55-67.
11. Hoerl AE. Kennard RW. Ridge Regression: Applications to Non-
Orthogonal Problems. Technometrics 1970b; 12 (1):69-82.
12. Özkan K. [Field water capasity modelling accordıng to soil
Texture using principle component regression analysis.], SDÜ
Orman Fakültesi Dergisi. 2009;2(2):1-9.
13. Tatlıdil H. Temel Bileşenler Analizi, Uygulamalı Çok Değişkenli
İstatistiksel Analiz 1. Baskı, Ankara Ziraat Matbaacılık AŞ
2002;138-62.
14. Sümbüloğlu K. Sümbüloğlu V. Güney Z. Klinik ve Saha
Araştırmalarında Örnekleme Yöntemleri ve Örneklem
Büyüklüğü, Ankara: Alp Ofset Matbaacılık 2005.
15. Gujarati ND. Klasik Modelin Varsayımlarının Genişletilmesi,
Temel Ekonometri Çevirenler: Ümit Şenesen. Gülay Göktürk
Şenesen, 6.baskı, İstanbul: Literatür Yayıncılık, 2009;338.
16. Özdamar K..[Hypertension and prediction models.] Anadolu
Kardiyoloji Dergisi, 2005;5(1):29.
17. Bajraktari G. Sylejmani X, Thaçi K, Elezi S, Ndrepepa G. The
quality of arterial hypertension treatment in cardiology service in
Kosova-a single center study. Anadolu Kardiyoloji Dergisi
2005;9:96-101

Thank you for copying data from http://www.arastirmax.com