Risk group classification for bleeding after coronary artery bypass graft surgery: A comparison of the logistic regression with decision tree models

Koroner arter baypas greft cerrahisi sonrasında kanama açısından riskli grupların sınıflandırılması: Lojistik regresyon ve karar ağacı modellerinin karşılaştırılması

Reza SAFIARIAN, Payam AMİNİ, Khodayari Elham MOEZ, Fatemeh MOHAMMADZADEH, Farid ZAYERI, Mohammad TAVAKOLI

Özet

Amaç: Bu çalışmada koroner arter baypas greft (KABG) cerrahisi sonrasında kanama açısından yüksek riskli hasta grupları belirlendi. Çalışma planı: Haziran 2001 - Ağustos 2008 tarihleri arasında İran Tahran Jamaran Kalp Hastanesinde KABG cerrahisi yapılan 205 hasta (143 erkek, 62 kadın; ort. yaş 59.7±10.1 yıl; dağılım 28-83 yıl) retrospektif olarak değerlendirildi. Hastaların başlangıç- taki özellikleri ve ameliyat sonrası kanama durumları kaydedildi. Kanama olan ve kanama olmayan hastaları sınıflandırırken, klasik lojistik regresyon ve karar ağacı modelleri kullanıldı. Bulgular: Lojistik regresyon analizinde cinsiyetin ameliyat sonrası kanama ile anlamlı düzeyde ilişkili olduğu görüldü. Karar ağacı modelinde ise, yaş (skor= 100), diabetes mellitus (skor= 16.38), cinsiyet (skor= 13.67), başkentte ikamet etme (skor= 7.31) ve disli- pideminin (skor= 5.06) kanama üzerinde etkisi olduğu belirlendi. Lojistik regresyona kıyasla, karar ağacı modelinde hastaların daha iyi sınıflandırıldığı da gözlendi. Sonuç: Cerrahlar KABG öncesinde üç damarına baypas yapılan hastalarda ileri yaş, erkek cinsiyeti, diabetes mellitus yokluğu ve dislipidemi varlığı gibi kanamanın risk göstergelerini göz önünde bulundurmalıdır. Ayrıca, istatistik uzmanlarına risk grubu sınıflan- dırmasında lojistik regresyon analizinin yerine karar ağacı modelini kullanmalarını önermekteyiz.

Abstract

Background: This study aims to identify high-risk patient groups for bleeding after coronary artery bypass graft (CABG) surgery. Methods: We retrospectively evaluated 205 patients (143 males, 62 females; mean age 59.7±10.1 years; range, 28 to 83 years) undergoing CABG surgery between June 2001 and August 2008 at Jamaran Heart Hospital, Tehran, Iran. Baseline characteristics of the patients and postoperative bleeding status were recorded. For classifying the bleeders and non-bleeders, classic logistic regression and decision tree models were utilized. Results: Logistic regression analysis showed that sex was significantly related to postoperative bleeding. Decision tree model revealed that age (score= 100), diabetes mellitus (score= 16.38), sex (score= 13.67), capital residency (score= 7.31) and dyslipidemia (score= 5.06) were found to have an impact on bleeding. We also observed that the decision tree model provided a better classification of the patients than logistic regression. Conclusion: Surgeons should be aware of risk indicators of bleeding such as older age, male sex, absence of diabetes mellitus and presence of dyslipidemia in patients with three bypassed vessels before CABG. We also recommend statisticians to utilize the decision tree model instead of logistic regression analysis in classification of risk groups.