Estimating Blood Pressure in Patients Using Multiple Linear Regression Model: a Sample of Sulaimani Province

Abstract

Regresyon analizi, bağımlı bir değişken ile bağımsızsız değişken veya değişkenler arasındaki ilişkiyi karşılaştırarak, bu değişkenler arasındaki ilişkiyi netleştirmek, istatistiksel bir denklem üretmek ve istatistiksel bir model oluşturmak için kullanılan istatistiksel bir araçtır. Doğrusal regresyonun önemi, modellerin kolaylığı ve basitliğinden ve bunları matematiksel olarak formüle etme, yorumlama ve tahmin yapma yeteneğinden kaynaklanmaktadır. Çoklu doğrusal regresyon, bağımlı değişkenle birden fazla bağımsız değişken arasındaki ilişkiyi veya tahmini anlamak ve açıklamak için kullanılan istatistiksel bir yöntemdir. Bu çalışmada, bağımsız değişken olan yaş, kan üre, kreatinin, trigliseritler, potasyum, sodyum ve alkolün bağımlı değişken olan kan basıncını (BP) nasıl etkilediğini analiz etmek için Çoklu Doğrusal Regresyon ve Ağaç Regresyon modeli kullanılmıştır. Analizler 3.6.1. sürümlü R istatiksel programı kullanılarak yapılmıştır. Bu amaçla Süleymaniye'deki 502 hastaya ait değerle elde edilmiş yüksek ve düşük olmak üzere iki tansiyon seviyesi ile çalışılmıştır. Ortalama arteriyel basınç, ortalama seviyeleri (yüksek ve düşük kan basıncı) bulmak için kullanılmıştır. Sonuç, Çoklu Doğrusal regresyonun her iki modelin minimum MSE'sine bağlı olarak Ağaç Regresyon modelinden daha iyi bir performansa sahip olduğu sonucu elde edilmiştir. Yaş, kan üre, trigliseritler, alkol, kreatinin ve Sodyum'un farklı birimler tarafından artan kan basıncına yol açtığı sonucu elde edilmiştir. Ayrıca potasyumun kan basıncı üzerinde etkisiz olduğu sonucu elde edilmiştir.Regression analysis is a statistical tool used to build a statistical model by comparing the relationship between a dependent variable and another independent variable to produce a statistical equation to clarify the relationship between these variables. The importance of linear regression is due to the ease and simplicity of models and the ability to formulate them mathematically to interpret them and make predictions. Multiple linear regressions are a statistical method used to understand and explain the relationship or prediction between several independent variables with the dependent variable. This study applied multiple linear regression and Tree Regression model using a statistical program (R program) version 3.6.1., to find out how explanatory variables age, blood urea, creatinine, triglycerides, potassium, Sodium, Alcohol affects blood pressure (BP) as a dependent variable Y. For this purpose, we collected information on 502 patients in Sulaimani. The two levels of Blood Pressure, high and low, were taken from the patients. The mean arterial pressure was used to find the average levels (high and low blood pressure). The average blood pressure rate of patients greater than 93.33 mmHg remained only in the dataset. The 93.33 mmHg is a standard range of mean arterial pressure equal to 12/8 mmHg normal blood pressure range. The result shows that MLR has a better performance than the Tree Regression model depending on the minimum MSE of both models, the increasing one unit in age, blood urea, triglycerides, and Alcohol, creatinine, and Sodium leads to increased blood pressure by different units. Conversely, increasing one unit in potassium leads to decreasing blood pressure.