การเปรียบเทียบความแม่นยำของการศึกษาปัจจัยที่สัมพันธ์กับการเกิดโรคเบาหวานด้วยวิธีการวิเคราะห์การถดถอยโลจิสติกและการวิเคราะห์การถดถอยโลจิสติกพหุระดับ : ฐานข้อมูล TCNAP ของประเทศไทย ปี 2561

A Comparison of Accuracy of Factors Related to Diabetes Mellitus by using Logistic Regression and Multilevel Logistic Regression: TCNAP database 2018

Abstract

ข้อจำกัดการวิเคราะห์ถดถอยโลจิสติก คือ การลดระดับชั้นเพื่อให้ตัวแปรต้นมีระดับเท่ากันทำให้ความละเอียดข้อมูลลดลง การวิเคราะห์ข้อมูลจึงเกิดความลำเอียง การวิจัยมีวัตถุประสงค์เพื่อเปรียบเทียบความแม่นยำระหว่างการวิเคราะห์ถดถอยโลจิสติกพหุระดับและการวิเคราะห์ถดถอยโลจิสติก โดยใช้ข้อมูลสำนักงานกองทุนสนับสนุนการสร้างเสริมสุขภาพ ปี พ.ศ. 2561 จำนวน 8,327,459 คน ผลการศึกษาพบว่า ความแตกต่างของ 95% CI ของอัตราส่วนออดส์ระหว่างทั้งสองวิธีอยู่ระหว่าง ร้อยละ 5.65 ถึง 72.14 (บางตัวแปรเกินเกณฑ์ที่กำหนดไว้คือร้อยละ 20) และความแม่นยำในภาพรวมพบว่าการวิเคราะห์การถดถอยโลจิสติกพหุระดับ (AIC=2,007,527, BIC=2,007,834, Brier score=0.0316, AUC=0.8511) ให้ผลแม่นยำกว่าการวิเคราะห์ถดถอยโลจิสติก (AIC=2,032,180, BIC=2,032,473, Brier score=0.0313, AUC=0.8505) แม้ผลเป็นเช่นนั้นแต่ค่า AUC ของทั้งสองวิธีการแตกต่างกันไม่ถึงร้อยละ 1 (น้อยกว่าเกณฑ์ที่กำหนดไว้คือ ร้อยละ 5) และจากการศึกษาครั้งนี้ข้อมูลไม่มีความแตกต่างระหว่างกลุ่ม (ICC=0.2656) ดังนั้นควรพิจารณาเลือกใช้การวิเคราะห์การถดถอยโลจิสติก ซึ่งข้อค้นพบที่ได้จากการศึกษาครั้งนี้นำไปสู่ข้อเสนอแนะที่ว่า หากข้อมูลมีแตกต่างระหว่างกลุ่มมาก ควรเลือกใช้สถิติการวิเคราะห์การถดถอยโลจิสติกพหุระดับ แต่หากข้อมูลไม่มีความแตกต่างระหว่างกลุ่มควรเลือกใช้สถิติการวิเคราะห์การถดถอยโลจิสติก นอกจากนี้ควรนำข้อมูลชุดนี้ไปศึกษาเพิ่มเติมในแบบจำลองสมการโครงสร้างและการประมาณค่า  The limitation of traditional logistic regression analysis is that the reduction level of independent variables decrease in level of detailed data, which leads to bias in data analysis. Therefore, this study aims to evaluate and compare accuracy of traditional logistic regression and multilevel logistic regression using data from TCNAP database of the Office of Health Promotion Fund, Bureau 3, Community Health Support Office. It was observed that both technique result the different in 95% CI of odds ratio around 5.65 to 72.14% (Some variables exceeded the specified criteria, which is 20 percent.). The multilevel regression analysis (AIC=2,007,527, BIC=2,007,834, Brier score=0.0316, AUC=0.8511) gives higher accuracy compare with traditional logistic regression (AIC=2,032,180, BIC=2,032,473, Brier score=0.0313, AUC=0.8505). However, the AUC value from both techniques is less than 1% which less than standard limit 5%. Because the data used in this study have not much  difference between groups  (ICC=0.2656), the logistic regression can be selected. The  observation from this study suggest that the multilevel regression is suitable for data that significant difference between groups, while the logistic regression is good for a small difference between groups. Nonetheless, further studies on structural equation models and model estimation are needed.