رگرسیون لجستیک (Logistic Regression)
خلاصه مقاله
یک روش آماری است که برای مدل سازی رابطه بین یک متغیر وابسته و یک یا چند متغیر مستقل استفاده می شود. در درجه اول برای حل مسائل طبقه بندی باینری استفاده می شود
رگرسیون لجستیک(Logistic Regression):
رگرسیون لجستیک یک روش آماری است که برای مدل سازی رابطه بین یک متغیر وابسته و یک یا چند متغیر مستقل استفاده می شود. در درجه اول برای حل مسائل طبقه بندی باینری استفاده می شود که در آن متغیر وابسته دارای دو سطح است. از رگرسیون لجستیک به طور گسترده ای در زمینه های مختلف از جمله یادگیری ماشینی، تحقیقات پزشکی و علوم اجتماعی استفاده می شود.
در رگرسیون لجستیک، متغیر وابسته به عنوان تابعی از متغیرهای مستقل با استفاده از تابع لجستیک (همچنین به عنوان تابع سیگموئید شناخته می شود) مدل می شود. تابع لجستیک هر عدد با ارزش واقعی را به مقداری بین 0 و 1 نگاشت می کند، که نشان دهنده احتمال تعلق متغیر وابسته به یک کلاس خاص است.
فرمول رگرسیون لجستیک به شرح زیر است:
P(Y=1|X) = 1 / (1 + e^(-Z))
که در آن:
P(Y=1|X) احتمال 1 بودن متغیر وابسته Y با توجه به متغیر پیش بینی X است. e پایه لگاریتم طبیعی است (تقریباً 2.71828). z ترکیب خطی متغیرهای پیش بینی است که با ضرایب مربوطه آنها وزن می شود.
فرمول را می توان به صورت زیر گسترش داد:
Z = β0 + β1X1 + β2X2 + ... + βn*Xn
که در آن:
z ترکیب خطی متغیرهای پیش بینی کننده است. β0، β1، β2، ...، βn ضرایب مدل رگرسیون لجستیک هستند. X1، X2، ...، Xn متغیرهای پیش بینی هستند.
برای تخمین ضرایب (β0، β1، β2، ...، βn) از الگوریتمهای بهینهسازی مختلف مانند برآورد حداکثر درستنمایی استفاده میشود.
در اینجا چند نکته کلیدی در مورد رگرسیون لجستیک را بیان خواهیم کرد:
· این یک نوع تحلیل رگرسیونی است که در آن متغیر وابسته باینری است (به عنوان مثال بله/خیر، درست/نادرست، 0/1).
· رگرسیون لجستیک از تابع لجستیک (همچنین به عنوان تابع سیگموئید شناخته می شود) برای مدل سازی رابطه بین پیش بینی کننده ها و احتمال نتیجه استفاده می کند.
· تابع لجستیک هر عدد با ارزش واقعی را به مقداری بین 0 و 1 ترسیم می کند، که نشان دهنده احتمال نتیجه باینری است.
· مدل ضرایب متغیرهای پیش بینی کننده را برای تعیین تأثیر آنها بر نتیجه تخمین می زند.
· رگرسیون لجستیک می تواند متغیرهای پیش بینی کننده طبقه بندی و پیوسته را مدیریت کند.
برای ایجاد مدل رگرسیون لجستیک به یکسری شرایط و پیش فرض ها نیاز خواهیم داشت:
· نتیجه باینری: رگرسیون لجستیک زمانی مناسب است که متغیر وابسته دودویی یا دوگانه باشد، به این معنی که تنها دو نتیجه ممکن دارد.
· خطی بودن: رگرسیون لجستیک یک رابطه خطی بین متغیرهای مستقل و شانس نتایج را فرض می کند. این را می توان از طریق تکنیک هایی مانند ترسیم منطق نتیجه در برابر متغیرهای مستقل ارزیابی کرد.
· استقلال مشاهدات: رگرسیون لجستیک فرض می کند که مشاهدات مستقل از یکدیگر هستند. این بدان معنی است که مشاهدات نباید تحت تأثیر یکدیگر قرار گیرند یا هیچ شکلی از خوشه بندی را نشان دهند.
· عدم وجود چند خطی: متغیرهای مستقل نباید همبستگی بالایی با یکدیگر داشته باشند. چند خطی می تواند منجر به تخمین های ناپایدار و مشکلات در تفسیر شود.
· حجم نمونه کافی: رگرسیون لجستیک به تعداد کافی مشاهدات برای به دست آوردن تخمین های قابل اعتماد نیاز دارد. به عنوان یک قاعده کلی، توصیه می شود حداقل 10-20 مورد با کمترین فراوانی پیامد در هر متغیر مستقل داشته باشید.
منبع:
https://onlinelibrary.wiley.com/doi/10.1111/j.1553-2712.2011.01185.x
مقالات مرتبط
سکته_مغزی
سکته مغزی یکی از علل اصلی مرگ و ناتوانی میباشد. شایعترین اختلالات عصبی-روانی مرتبط با سکته شامل افسردگی، اضطراب، ناپایداری عاطفی، اختلالات ارتباط عاطفی و بیتفاوتی هستند
تومورهای تالاموسی
تومورهای تالاموس نادر هستند و تقریباً 5 درصد از کل تومورهای مغزی را تشکیل می دهند. در همه گروه های سنی رخ می دهد اما در کودکان شایع تر است. پیشرفتها در روشهای تصویربرداری و تکنیکهای میکروسرجری، رویکردهای هدفمند جمجمهای را ایجاد کرده است که عوارض جراحی را به حداقل میرساند و میزان ایمن برداشتن ضایعه را به حداکثر میرساند. با ادامه پیشرفت تکنیکهای جراحی میکروسکوپی، رویکردهای جراحی مؤثرتری برای تومورهای تالاموس قابل دستیابی است. علائم و نشانهها مربوط به افزایش فشار داخل جمجمه (به عنوان مثال، سردرد پیشانی، بی حالی و استفراغ) و علائم ادم پاپی می شود. قسمت داخلی هر تالاموس مرزهای جانبی بطن سوم را تشکیل می دهد. اختلال در هسته های خاص (specific nuclei) می تواند یافته های ویژهای را استخراج کند: هسته های Reticular و intralaminar - هسته های حسی - هسته های Effector - هسته های Associative - هسته لیمبیک. MRI با کنتراست، روش تشخیصی اصلی برای این تومورها است. توالی بازیابی وارونگی ضعیف شده با مایع (FLAIR) می تواند برای تومورهایی که با کنتراست تقویت نمی شوند مفید باشد. تصویربرداری (DTI) می تواند به ایجاد رابطه بین مسیر قشر نخاعی و تومورهای تالاموس، به ویژه نوع thalamopeduncular کمک کند. تومورهای اولیه تالاموس منشأ گلیالی دارند. شیمیدرمانی. برخی از جراحان بسته به تشخیص، روش stereotactic needle biopsy و درمان کمکی (adjuvant) را دنبال میکنند (2). هیدروسفالی علامت دار اغلب به مداخله جراحی برای قرار دادن شانت ventriculoperitoneal یا جراحی debulking نیاز دارد تا بتواند دینامیک مایع مغزی نخاعی native (CSF) را فعال کند. انتخاب روش مناسب به منشاء، الگوی رشد تومور در رابطه با ساختارهای طبیعی و پاتولوژی مشکوک بستگی دارد. سطح راحتی و تجربه جراح با رویکرد انتخابی نیز عامل مهمی است. روشهای جراحی متعددی، از جمله روشهای anterior interhemispheric transcallosal، transcortical transventricular، contralateral infratentorial supracerebellar، posterior interhemispheric parasplenial و transsylvian transinsular توصیف شدهاند. آناتومی ورید و تغییرات آن در اطراف superior parietal lobule باید قبل از جراحی برای مسیرهای بین نیمکره ای مورد توجه قرار گیرد. 6 ناحیه تشریحی تالاموس : منطقه 1: تومورهای تالاموس قدامی تحتانی (رویکرد زیر پیشانی سوپراکاروتید اوربیتوزیگوماتیک) روش Transrostral/Subfrontal Translamina Terminalis Approach :این رویکرد محدود به تومورهای نسبتاً کوچک تالاموس قدامی تحتانی است. رزکسیون کلی تومورهای بزرگ معمولاً مشکل ساز است و بدون عقب نشینی غیرمجاز (undue retraction) در ساختارهای عصبی عروقی طبیعی اطراف امکان پذیر نیست. این رویکرد مناسب نیست و مسیر orbitozygomatic را که در بالا مورد بحث قرار گرفت، رویکرد بهتری است. منطقه 2: تومورهای تالاموس داخلی رویکرد( Anterior Interhemispheric Transcallosal ) :مرکز تومور در ناحیه تالاموس قدامی و میانی قرار دارد و به سطح pial دیواره بطن سوم می رسد روش Suprapineal Recess/Supracerebellar Transventricular: از معایب این روش می توان به آسیب پذیری habenula، رگ Galen و quadrigeminal plate اشاره کرد. منطقه 3: تومورهای تالاموس جانبی روش (Contralateral Anterior Interhemispheric Transcallosal Approach) نتیجه از رویکرد طرف مقابل (contralateral approach)، از طریق این اپروچ یک مسیر عرضی جانبی امکان پذیر (more feasible lateral cross-court trajectory) به سمت تالاموس جانبی به دست می آید. در هنگام برداشتن ضایعات تالاموس جانبی به دلیل مجاورت نزدیک کپسول داخلی باید احتیاط کرد.