پیش بینی بروز حمله حاد قلبی با استفاده از رگرسیون لجستیک (مطالعه موردی: بیمارستانی در ایران)

سکته قلبی اولین عامل مرگ ومیر در ایران است که بیش از نیمی از بیماران آن قبل از رسیدن به بیمارستان می میرند. برخی از حملات قلبی ناگهانی و شدیدند، اما بیشتر آن ها به آهستگی آغاز می شوند و با درد یا ناراحتی خفیفی همراه هستند. تشخیص زودرس این علائم در بیماران برای نجات و درمان موفقیت آمیز آنان حیاتی است و این امر اهمیت، نیاز، ضرورت و سودمندی طراحی سیستم هایی را برای یاری رساندن به پزشک در تشخیص زودهنگام بروز حملات حاد قلبی بیش از پیش مشخص می کند. هدف اصلی این پژوهش طراحی و ساخت یک مدل پیش بینی بروز حمله حاد قلبی در ایران، براساس فاکتورهای بالینی قابل گزارش توسط بیمار در خارج از بیمارستان است؛ یعنی زمانی که اطلاعات آزمایش های تشخیصی و معاینات پزشکی در دسترس نیستند. این مدل برای کاهش متوسط زمان از شروع علائم هشداردهنده سکته قلبی تا آغاز درمان قابل استفاده است. به این منظور، داده های مربوط به 711 بیمار قلبی جمع آوری شد و سه مدل با استفاده از رگرسیون لجستیک و یک مدل با استفاده از درخت تصمیم برای پیش بینی احتمال بروز حمله حاد قلبی ساخته شد. بهترین مدل رگرسیون لجستیک از لحاظ عملکرد دارای آماره C، 955/0 و دقت 9/94 درصد بود و متغیرهای درد شدید قفسه سینه، درد پشت، تعریق سرد، تنگی نفس، حالت تهوع و استفراغ به عنوان شاخص های اصلی و موثر در بروز حمله حاد قلبی شناسایی شدند و در مدل درخت تصمیم با آماره C، 938/0 متغیرهای مستقل تنگی نفس، تپش قلب، ورم اندام ها، تعریق سرد، درد سمت چپ قفسه سینه، درد شدید قفسه سینه، سن و حالت تهوع قادر به پیش بینی تغییرات متغیر وابسته (احتمال بروز حمله حاد قلبی) بودند.