مقاله ترجمه شده اعمال روش تحلیل مؤلفههای اصلی (PCA) به دادههای پزشکی کد محصول : 96111324
Application of Principal Component Analysis (PCA) to Medical Data
سال انتشار: 2017
چکیده:
اهداف: اعمال تحلیل مؤلفههای اصلی به دادههای پزشکی بمنظور جستجوی فاکتورهایی که تصور میشود باعث افزایش ریسک بیماریهای ایسکمیک قلب میشوند بسیار مهم است. روشها/تحلیل آماری: PCA در مد-R با استفاده از همبستگی و کوواریانس برای دادههای پزشکی انجام شد. متغیرهای مربوط به تستهای شیمیایی خون یعنی کلسترول، لیپوپروتئین پرچگالی، تریگلیسرید، آپو پروتئین A-1، آپو پروتئین B، لیپوپروتئین کمچگالی، فسفولیپلیدها، لیپید کل، گلوکز و اسید اوریک، برای شناخت رابطه بین آنها و عضویت متغیر گروهی بررسی میشوند. یافتهها: نتایج نشان دادند که در میان این فاکتورها، کلسترول، تریگلیسرید، آپو پروتئین B، لیپوپروتئین کمچگالی، فسفولیپیدها، لیپید کل، و اسید اوریک در گروه IHD در مقایسه با گروه کنترل بالاتر هستند.
مشخص شد که لیپوپروتئین پرچگالی و آپو پروتئین A-1 در گروه IHD پایینتر هستند، درحالی که در گروه کنترل بالاتر هستند. کلسترول همبستگی بالایی با لیپوپروتئین کمچگالی داشت و همبستگی متوسطی با لیپید کل داشت. کلسترول، آپو پروتئین B و لیپوپروتئین کمچگالی به مؤلفه 1 تعلق داشتند، آپو پروتئین A-1، فسفولیپیدها و اسید اوریک به مؤلفه 2 تعلق داشتند، تریگلیسرید و لیپید کل به مؤلفه 3 تعلق داشتند و لیپوپروتئین پرچگالی و گلوکز به مؤلفه 4 تعلق داشتند. چهار مؤلفه اول 60.67 درصد تغییرپذیری مؤلفهها را توضیح دادهاند. اصلاحات/کاربردها: نتایج نهایی نشان دادند که سطح کلسترول میانگین، که بعنوان فاکتور ریسک اصلی بیماری ایسکمیک قلب در نظر گرفته میشود، حتی در گروه کنترل بالاتر است.