Internationale Zeitschrift für Physikalische Medizin und Rehabilitation
Offener Zugang

Abstrakt

Versuch zur Erhöhung der Vorhersagegenauigkeit in der binären logistischen Regressionsanalyse

Makoto Tokunaga, Koichiro Yonemitsu und Hiroyuki Yonemitsu

Ziel: Es ist notwendig, die Vorhersagegenauigkeit der binären logistischen Regressionsanalyse zu verbessern. Ziel dieser Studie war es, zu klären, ob die binäre logistische Regressionsanalyse unter Verwendung des Gewinns des Functional Independence Measure (FIM) (ein binärer Wert von 0/1) als abhängige Variable die Vorhersagegenauigkeit erhöht, wenn FIM bei Aufnahme (FIMa) kategorisiert wird oder wenn mehrere Vorhersageformeln erstellt werden.

Methoden: Die Studienpopulation bestand aus 2.542 Schlaganfallpatienten, die in Reha-Stationen in Japan aufgenommen wurden. Wir verglichen die Vorhersagegenauigkeit des FIM-Gewinns zwischen einer Formel, die FIMa als quantitative Daten verwendet (A), einer Formel, die FIMa in 4 Gruppen kategorisiert (B) und zwei Vorhersageformeln (C).

Ergebnis: Die Vorhersagegenauigkeit dieser Formeln betrug in absteigender Reihenfolge C (76,3 %), B (76,0 %) und A (68,4 %).

Schlussfolgerung: Die Vorhersagegenauigkeit des FIM-Gewinns konnte sogar noch mehr gesteigert werden, als wenn FIMa als quantitative Daten verwendet wurden, indem FIMa entweder in vier Gruppen kategorisiert oder zwei Vorhersageformeln erstellt wurden.