Інтегрована модель факторного відбору та категоріальної регресії для прогнозування рівня ризику імплантації діагностично-терапевтичних пристроїв при патології шлунково-стравохідного з'єднання
DOI:
https://doi.org/10.17721/1812-5409.2026/1.25Ключові слова:
імплантація пристроїв, факторний аналіз, категоріальна регресія, ризик, шлунково-стравохідне з'єднання, стратифікація ризикуАнотація
Представлено інтегрований метод прогнозування рівня ризику імплантації діагностично-терапевтичних пристроїв у ділянці шлунково-стравохідного з’єднання на основі факторного аналізу та категоріальної регресії. На вибірці з 558 пацієнтів було виділено 15 клінічних та ендоскопічних показників, які характеризують стан слизової, анатомічні особливості та симптоматику рефлюксу. Факторний аналіз методом головних осей із обертанням облімін дозволив звести початковий набір змінних до трьох латентних факторів: F1 – «Клінічні та морфологічні ознаки гастроезофагеальної рефлюксної хвороби», F2 – «Анатомо-функціональні показники стравоходу» та F3 – «Ерозивні ураження слизової». Ці фактори були використані як предиктори у категоріальній регресії для прогнозування п’яти рівнів ризику імплантації. Модель продемонструвала високу якість прогнозу (R² = 0,858), усі фактори були статистично значущими (p < 0,001), а показники мультиколінеарності предикторів > 0,8 підтвердили відсутність критичної мультиколінеарності. Отримана модель забезпечує стандартизовану стратифікацію ризику, дозволяючи клініцистам більш об’єктивно оцінювати доцільність імплантації та виділяти пацієнтів, які потребують додаткової оптимізації стану перед процедурою.
Посилання
Akoglu, H. (2018). User's guide to correlation coefficients. Turk J Emerg Med, 18(3), 91–93. https://doi.org/10.1016/j.tjem.2018.08.001
Devlieger, I. (2019). Factor score regression: Models for the analysis of variables and factors [Doctoral dissertation, Ghent University]. Ghent University Academic Repository. https://backoffice.biblio.ugent.be/download/8655145/8655146
Finch, W. H., & French, B. F. (2018). Educational and Psychological Measurement (1st ed.). Routledge. https://doi.org/10.4324/9781315650951
Guo, J., Wall, M., & Amemiya, Y. (2006). Latent class regression on latent factors. Biostatistics, 7(1), 145–163. https://doi.org/10.1093/biostatistics/kxi046
IBM. (n. d.). CATREG. IBM SPSS Statistics Algorithms. https://public.dhe.ibm.com/software/analytics/spss/support/Stats/Docs/Statistics/Algorithms/14.0/catreg.pdf
Lawenko, R. M. A., & Lee, Y. Y. (2016). Evaluation of gastroesophageal reflux disease using the Bravo capsule pH system. Journal of Neurogastroenterology and Motility, 22(1), 25–30. https://pubmed.ncbi.nlm.nih.gov/26717929/
Li, J. N., Liu, C. L., & Tao, X. H. (2013). Clinical utility and tolerability of JSPH-1 wireless esophageal pH monitoring system. BMC Gastroenterology, 13(10). https://doi.org/10.1186/1471-230X-13-10
Liao, Y. (2019). Feature Selection: Removing Multicollinearity – Python Automation and Machine Learning for EM and ICs. An Online Book, First Edition. https://www.globalsino.com/ICs/page3268.html?utm_source=chatgpt.com
Smith, L. E., Smith, D. K., Blume, J. D., Siew, E. D., & Billings IV, F. T. (2017). Latent variable modeling improves AKI risk factor identification and AKI prediction compared to traditional methods. BMC Nephrology, 18(1), 55. https://doi.org/10.1186/s12882-017-0465-1
Statistics Solutions. (n. d.). Comprehensive guide to factor analysis. https://www.statisticssolutions.com/free-resources/directory-of-statistical-analyses/factor-analysis/?utm_source=chatgpt.com
Viana, A. T., Gonçalves, K. C. M., & Paez, M. S. (2024). Factor model for ordinal categorical data with latent factors explained by auxiliary variables applied to the Major Depression Inventory. Journal of Applied Statistics, 51(14), 2866–2893. https://doi.org/10.1080/02664763.2024.2321913
Yong, A. G., & Pearce, S. (2013). A Beginner's Guide to Factor Analysis: Focusing on Exploratory Factor Analysis. Tutorials in Quantitative Methods for Psychology, 9(2), 79–94. https://doi.org/10.20982/tqmp.09.2.p079
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Oleksandr Halushko
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
Автори, роботи яких публікуються у цьому журналі, погоджуються з такими умовами:
- Автори зберігають авторські права та надають журналу право на першу публікацію роботи, яка одночасно ліцензується згідно із Creative Commons Attribution License, тобто надається дозвіл іншим ділитися роботою з визнанням авторства роботи та першої публікації в цьому журналі.
- Автори можуть укладати окремі додаткові угоди щодо невиключного розповсюдження опублікованої журналом версії роботи (наприклад, розмістити її у репозитарії наукової установи чи опублікувати у книзі) з підтвердженням її початкової публікації у цьому журналі.
- Дозволяється та заохочується розміщення своїх робіт в мережі Інтернет авторами (наприклад, у репозитаріях наукових установ або на особистих веб-сторінках) до та під час процесу подання, оскільки це може призвести до продуктивного обміну, а також до більш ранніх цитувань опублікованої роботи та їх більшої кількості (див. The Effect of Open Access).
