CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Prediction of Tuberculosis Using a Logistic Regression Model

اعتبار موردنیاز : ۱ | تعداد صفحات: ۵ | تعداد نمایش خلاصه: ۲۸ | نظرات: ۰
سال انتشار: ۱۳۹۸
کد COI مقاله: JR_RCM-6-3_005
زبان مقاله: انگلیسی
حجم فایل: ۲۱ بایت (فایل این مقاله در ۵ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۵ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Prediction of Tuberculosis Using a Logistic Regression Model

  Kiarash Ghazvini - Department of Microbiology and Virology, School of Medicine, Mashhad University of Medical Sciences, Mashhad, Iran.
  Shamsoddin Mansouri - Department of Microbiology and Virology, School of Medicine, Mashhad University of Medical Sciences, Mashhad, Iran.
  Mohammad-Taghi Shakeri - Department of Biostatistics and Epidemiology, School of Medicine, Mashhad University of Medical Sciences, Mashhad, Iran.
  Masoud Youssefi - Department of Microbiology and Virology, School of Medicine, Mashhad University of Medical Sciences, Mashhad, Iran.

چکیده مقاله:

Introduction: Tuberculosis (TB) is a chronic bacterial disease and a leading cause of mortality among single-agent infectious diseases following the human immunodeficiency virus infection across the world. Logistic regression is a method of statistical analysis with predictive capability. This multivariate statistical method could be used to evaluate the correlations between independent variables (albeit confounding) and a dependent variable. The present study aimed to assess the influential factors in the incidence of TB based on the estimations of a logistic regression predictive model.Methods: This cross-sectional study was conducted on two groups consisting of 189 TB patients and 189 controls. The influential factors in TB were compared between the groups, including age, gender, marital status, risk of acquired immunodeficiency syndrome (AIDS), smoking habits, history of asthma, organ transplantation, body mass index (BMI), vitamin D3 level, diabetes, and rate of hemoglobin and malignant diseases. In addition, the predictive potential of the logistic regression model was determined based on various indices, such as sensitivity, specificity, and receiver operating characteristic (ROC) curve. Results: The sensitivity and specificity of the regression model were estimated at 78% and 68%, respectively, and the area under the ROC curve was calculated to be 0.821. Among the available influential factors in the dependent variable (i.e., TB), the variables of vitamin D3 and hemoglobin levels and BMI were considered significant. Conclusion: According to the results, the logistic regression model is appropriate for the prediction of TB considering the accuracy and predictive power of its criteria, as well as the area under the ROC curve (0.821), which could provide the test accuracy for the diagnosis TB.

کلیدواژه‌ها:

influential factors, Logistic regression, Tuberculosis

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-JR_RCM-JR_RCM-6-3_005.html
کد COI مقاله: JR_RCM-6-3_005

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Ghazvini, Kiarash; Shamsoddin Mansouri; Mohammad-Taghi Shakeri & Masoud Youssefi, ۱۳۹۸, Prediction of Tuberculosis Using a Logistic Regression Model, Reviews in Clinical Medicine 6 (3), https://www.civilica.com/Paper-JR_RCM-JR_RCM-6-3_005.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Ghazvini, Kiarash; Shamsoddin Mansouri; Mohammad-Taghi Shakeri & Masoud Youssefi, ۱۳۹۸)
برای بار دوم به بعد: (Ghazvini; Mansouri; Shakeri & Youssefi, ۱۳۹۸)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • World Health Organization. Global tuberculosis report 2018. World Health Organization; ...
  • Hoffner S, Hadadi M, Rajaei E, et al. Geographic characterization ...
  • Riyahi Zaniani F, Moghim S, Mirhendi H, et al. Genetic ...
  • World Health Organization. Latent tuberculosis infection: updated and consolidated guidelines ...
  • Jurcev-Savicevic A, Mulic R, Ban B, et al. Risk factors ...
  • Roy M, Muyindike W, Vijayan T, et al. Implementation and ...
  • Trivedi MK, Patil S, Shettigar H, et al. An Impact ...
  • Sharma S, Hanif M, Chopra KK, et al. Detection of ...
  • Getahun H, Matteelli A, Abubakar I, et al. Management of ...
  • Rahman SMM, Maliha UT, Ahmed S, et al. Evaluation of ...
  • Marino S, Gideon HP, Gong C, et al. Computational and ...
  • Aguiar FS, Almeida LL, Ruffino-Netto A, et al. Classification and ...
  • Nathavitharana RR, Cudahy PG, Schumacher SG, et al. Accuracy of ...
  • Meaza A, Kebede A, Yaregal Z, et al. Evaluation of ...
  • Yon Ju Ryu. Diagnosis of pulmonary tuberculosis: recent advances and ...
  • Nurwidya F, Handayani D, Burhan E, et al. Molecular Diagnosis ...
  • Pollock KM, Tam H, Grass L, et al. Comparison of ...
  • Mello FC, Bastos LG, Soares SL, et al. Predicting smear ...
  • Ladefoged K, Rendal T, Skifte T, et al. Risk factors ...
  • Salpeter EE, Salpeter SR. Mathematical model for the epidemiology of ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: علوم پزشکی
    تعداد مقالات: ۴۸۷۹
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.