Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/24170
Title: การใช้วิธีการทางสถิติเพื่อหาปัจจัย ที่มีความสัมพันธ์กับการเกิดโรคแทรกซ้อน ของผู้ป่วยโรคเบาหวาน
Other Titles: The use of statistical methods in determining factors related to complication of diabetes mellitus
Authors: กิตติกา กาญจนรัตนากร
Advisors: ศรีสุดา ลิตปรีชา
สุภาพ เดชะรินทร์
Other author: จุฬาลงกรณ์มหาวิทยาลัย. บัณฑิตวิทยาลัย
Issue Date: 2527
Publisher: จุฬาลงกรณ์มหาวิทยาลัย
Abstract: การวิจัยเรื่องนี้ มีวัตถุประสงค์เพื่อศึกษาหาปัจจัยที่มีความสัมพันธ์กับการเกิดโรคแทรกซ้อนของหลอดเลือดในผู้ป่วยเบาหวาน โดยศึกษาโรคแทรกซ้อน 2 ลักษณะคือ โรคหัวใจโคโรนารีย์และโรคที่มีการเปลี่ยนแปลงที่จอรับภาพ การศึกษาเพื่อดูความสัมพันธ์ระหว่างปัจจัยทางด้านประชากรกับปัจจัยทางด้านกายภาพและผลตรวจทางห้องปฏิบัติการ จะใช้การวิเคราะห์สหสัมพันธ์คาโนนิคอลในขณะที่การศึกษาเพื่อหาสมการแบ่งกลุ่มผู้ป่วยที่มีการเปลี่ยนแปลงที่จอรับภาพ และกลุ่มผู้ป่วยที่มีจอรับภาพปกติและสำหรับกลุ่มผู้ป่วยโรคหัวใจโคโรนารีย์ และกลุ่มผู้ป่วยที่มีการเปลี่ยนแปลงที่จอรับภาพนั้น จะใช้การวิเคราะห์จำแนกประเภท ข้อมูลที่ใช้ในการศึกษาครั้งนี้ ได้จากการเก็บรวบรวมข้อมูลจากแผนกเวชระเบียนผู้ป่วยในที่เข้ารับการรักษาในโรงพยาบาลจุฬาลงกรณ์จำนวน 29 ราย โรงพยาบาลรามาธิบดีจำนวน 71 ราย และจากการสัมภาษณ์จากผู้ป่วยที่มารับการรักษาที่แผนกผู้ป่วยนอก คลินิกโรคเบาหวาน โรงพยาบาลจุฬาลงกรณ์จำนวน 110 ราย จากการศึกษาโดยวิธีสหสัมพันธ์คาโนนิคอลของผู้ป่วยโรคหัวใจโคโรนารีย์นั้น ปัจจัยทางด้านประชากรมีความสัมพันธ์กับปัจจัยทางด้านกายภาพและผลตรวจทางห้องปฏิบัติการด้วยค่าสหสัมพันธ์คาโนนิคอลเท่ากับ 0.80295 โดยในปัจจัยทางด้านประชากรนั้นตัวแปรที่มีค่าสัมประสิทธิ์สูงที่สำคัญ ได้แก่ ประสิทธิภาพการควบคุมระดับน้ำตาลในระดับเลว การรักษาเบาหวานในปัจจุบันด้วยการฉีดอินซูลิน ดัชนีความอ้วน การรักษาเบาหวานในปัจจุบันด้วยการกินยาลดระดับน้ำตาล ผู้มีอาชีพกึ่งใช้แรงงานกึ่งใช้สมอง ในด้านปัจจัยทางด้านกายภาพและผลตรวจทางห้องปฏิบัติการนั้น ตัวแปรที่มีค่าสัมประสิทธิ์สูงและน่าสนใจได้แก่ ระดับน้ำตาลในโลหิต ผล EKG ที่เป็น Nonspecified ระดับ Urea Nitrogen ในโลหิต ความดันโลหิตระยะหัวใจบีบตัว ความดันโลหิตระยะหัวใจคลายตัว ในผู้ป่วยที่มีการเปลี่ยนแปลงที่จอรับภาพนั้น ปัจจัยทางด้านประชากรมีความสัมพันธ์กับปัจจัยทางด้านกายภาพ และผลตรวจทางห้องปฏิบัติการด้วยค่าสหสัมพันธ์คาโนนิคอลเท่ากับ 0.92491 โดยตัวแปรที่มีค่าสัมประสิทธิ์สูง ๆ ในปัจจัยทางด้านประชากรคือ การรักษาเบาหวานในปัจจุบันด้วยการกินยาลดระดับน้ำตาล ผู้ที่มีอาชีพกึ่งใช้แรงงานกึ่งใช้สมอง การรักษาเบาหวานในอดีตด้วยการกินยาลดระดับน้ำตาล การเคยเป็นโรคความดันโลหิตสูงมาก่อน ผู้ที่มีอาชีพที่ใช้สมอง สถานภาพสมรสแบบคู่ ในขณะที่ปัจจัยทางด้านกายภาพและผลตรวจทางห้องปฏิบัติการคือ ความดันโลหิตระยะหัวใจบีบตัว การไม่มีโปรตีนในปัสสาวะ การมีโปรตีนในปัสสาวะในช่วง (300, 2,000) มก./100 มล. ระดับน้ำตาลในโลหิต ความดันโลหิตระยะหัวใจคลายตัว ส่วนการวิเคราะห์จำแนกประเภทเพื่อหาสมการทำนายกลุ่มผู้ป่วยที่มีการเปลี่ยนแปลงที่จอรับภาพและผู้ป่วยที่มีจอรับภาพที่ปกตินั้น ผลปรากฏว่าการเกิดโรคสัมพันธ์กับการมีโปรตีนในปัสสาวะในช่วง (100, 300) , (300, 2,000) มก./100 มล. และระดับครีอาตินินในโลหิต ดังสมการ D = 1.24773 2.62475 (โปรตีนในปัสสาวะที่มีค่า (100, 300) มก./100 มล. – 1.60043 (โปรตีนในปัสสาวะที่มีค่า (300, 2,000) มก./100 มล.) – 0.62396 (ระดับครีอาตินิน) โดยที่ D คือ discrimiant score ผู้ที่มีค่า D น้อยกว่า 0.00 จะได้รับการทำนายว่า เป็นผู้ป่วยที่มีการเปลี่ยนแปลงที่จอรับภาพ สมการนี้มีความสามารถในการทำนายได้ถูกต้องเท่ากับ 71.82 เปอร์เซ็นต์ ส่วนการหาสมการทำนายกลุ่มผู้ป่วยโรคหัวใจโคโรนารีย์และผู้ป่วยที่มีการเปลี่ยนแปลงที่จอรับภาพนั้น ปรากฏว่าการเกิดโรคสัมพันธ์กับเพศ อาชีพที่ใช้สมอง ประวัติการเป็นเบาหวานในครอบครัว การรักษาเบาหวานในอดีตด้วยการกินยาลดระดับน้ำตาลแล้วมาฉีดอินซูลิน โปรตีนในปัสสาวะที่มีค่าเป็น trace อายุที่ได้รับการวินิจฉัยว่าเป็นเบาหวาน ระยะเวลาที่เป็นเบาหวาน ระดับน้ำตาลในโลหิต ดัชนีความอ้วน ดังสมการ D = - 0.66224 + 0.49297 (เพศ) – 0.59957 (อาชีพที่ใช้สมอง) + 1.09028 (ประวัติการเป็นเบาหวานในครอบครัว) + 1.05924 (การรักษาเบาหวานในอดีตด้วยกินยาลดระดับน้ำตาลแล้วมาฉีดอินซูลิน) – 0.40395 (โปรตีนในปัสสาวะ ที่เป็น trace) – 0.02448 (อายุที่ได้รับการวินิจฉัยว่าเป็นเบาหวาน) + 0.03673 (ระยะการเป็นเบาหวานมานาน) – 0.00247 (ระดับน้ำตาลในโลหิต) + 0.07154 (ดัชนีความอ้วน) โดยที่ D คือ discrimiant score ผู้ที่มีค่า D น้อยกว่า 0.22800 จะได้รับการทำนายว่าป่วยเป็นโรคหัวใจโคโรนารีย์ ถ้ามากกว่า 0.22800 จะได้รับการทำนายว่า เป็นผู้ป่วยที่มีการเปลี่ยนแปลงที่จอรับภาพ สมการนี้มีความสามารถในการทำนายได้ถูกต้องเท่ากับ 89.23 เปอร์เซ็นต์ การศึกษาครั้งนี้ ทำให้ทราบถึงปัจจัยที่มีความสัมพันธ์กับการเกิดโรคแทรกซ้อนของหลอดเลือดในผู้ป่วยโรคเบาหวาน อันจะเป็นแนวทางสำหรับแพทย์ผู้รักษาในการทำนายผลทางด้านกายภาพและผลตรวจทางห้องปฏิบัติการ เมื่อทราบผลจากปัจจัยทางด้านประชากร หรือในทางตรงข้ามก็เช่นกัน นอกจากนี้ การใช้สมการจำแนกประเภทจะช่วยในการทำนายการเกิดโรคและการวางแผนการป้องกันโรคที่จะเกิดขึ้นต่อไป
Other Abstract: The purpose of this research is to determine the factors related to the vascular complications of diabetes mellitus by studying the macrovascular disease in diabetic patients with coronary heart disease and the microvascular disease in diabetic patients with retinopathy. The correlation between the population factors and physical and laboratory factors are determined by canonical analysis. To simulate the equations for classifying diabetic patients with and without retinopathy, and diabetic with coronary heart disease and diabetic with retinopathy and determined by discriminant analysis. The data of this research were collected from medical records of in-patients registered at Chulalongkorn Hospital (29 cases), at Ramathibodi Hospital (71 cases) and by interview out patients at the diabetic clinic, Chulalongkorn Hospital (110 cases). The canonical correlation between the population factors and physical and laboratory factors of the coronary heart disease is 0.80259. The variables having high coefficience value in the population factors are poor diabetic control, present treatment with insulin, body mass index, present treatment with oral hypoglycemic agents, semi-skilled occupation. The variables in the physical and laboratory factors having high coefficience values are level of fasting blood sugar, EKG with nonspecified, level of blood urea nitrogen, diastolic blood pressure, systolic blood pressure. In diabetic patients with retinopathy, the two factors have the canonical correlation equal to 0.92491. The variables having high coefficience values in the population factors are semi-skilled occupation, the former treatment with oral hypoglycemic agents, hypertension disease, mental-stress occupation, married person. The variables in the physical and laboratory factors having high coefficience values are diastolic blood pressure, no albumin in urine (negative), albuminuria in range (300, 2,000) mg./100 ml. (3+), fasting blood sugar, systolic blood pressure. By mean of using the discriminant analysis to construct the discriminant function for predicting the retinopathy events revealed that the retinopathy event is associated with albuminuria in range (100, 300) mg./100 ml. (2+), albuminuria in range (300, 2,000) mg./100 ml. (3+) and creatinine in blood by the equation D = 1.24773 – 2.62475 (albuminuria with 2+) – 1.60043 (albuminuria with 3+) – 0.62396 (creatinine) where D is the discriminant score The retionopathy event can be predicted when D is less than 0.00. This equation can predict 71.82 percent correctly classified. Between the coronary heart disease events and the retinopathy events, the discirminant analysis shows that the disease associated with sex, mental-stress occupation, family history of diabetes mellitus, the former treatment with oral hypoglycemic agents and later treatment with insulin, albuminuria in range (0, 30) mg./100 ml. (trace), age at onset of diabetes mellitus, duration of diabetes mellitus, fasting blood sugar and body mass index by the equation D = - 0.66224 + 0.49297 (SEX) – 0.59957 (mental stress occupation) + 1.09028 (family history of diabetes) + 1.05924 (the former treatment with oral hypoglycemic agents later with insulin) – 0.40395 (albuminuria with trace) – 0.02448 (age at onset of diabetes mellitus) + 0.03673 (duration of diabetes mellitus) – 0.00247 (fasting blood sugar) + 0.07154 (body mass index) where D is the discriminant score The patient can be predicted to be the coronary heart disease when D is less than 0.22800. This equation can predict 89.03 percent correctly classified. This research revealed the factors related to the vascular complications of diabetes mellitus that may be used as the guide-lines for the doctors to predict the results from the physical and laboratory factors when the results from the population factors were known. Conversely, if the results from the physical and laboratory factors were known, the result from the population could be predicted, provided that the discriminant functions can be used to predict the patient status and be applied in the prevention program.
Description: วิทยานิพนธ์ (สต.ม)--จุฬาลงกรณ์มหาวิทยาลัย, 2527
Degree Name: สถิติศาสตรมหาบัณฑิต
Degree Level: ปริญญาโท
Degree Discipline: สถิติ
URI: http://cuir.car.chula.ac.th/handle/123456789/24170
ISBN: 9745634816
Type: Thesis
Appears in Collections:Grad - Theses

Files in This Item:
File Description SizeFormat 
Kittika_Ka_front.pdf520.56 kBAdobe PDFView/Open
Kittika_Ka_Ch1.pdf605.92 kBAdobe PDFView/Open
Kittika_Ka_Ch2.pdf659.49 kBAdobe PDFView/Open
Kittika_Ka_Ch3.pdf877.56 kBAdobe PDFView/Open
Kittika_Ka_Ch4.pdf333.14 kBAdobe PDFView/Open
Kittika_Ka_back.pdf572.89 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.