📈 ۱. رگرسیون خطی: پیش‌بینی یک «مقدار دقیق»
وقتی خروجی یا نتیجه‌ای که دنبالشیم یه «عدد پیوسته» باشه، میریم سراغ رگرسیون خطی.
💉 مثال بالینی: می‌خوایم پیش‌بینی کنیم که بر اساس سن و شاخص توده بدنی (BMI) بیمار، میزان دقیق قند خون ناشتا (FBS) چند میلی‌گرم بر دسی‌لیتر خواهد بود. خروجی یه عدده (مثلاً 105).

⚖️ ۲. رگرسیون لجستیک: پیش‌بینی «صفر و یک»
وقتی خروجی ما حالت دسته‌ای یا دوگانه داره (مثل Yes/No یا Success/Failure)، پای رگرسیون لجستیک میاد وسط.
🫀 مثال بالینی: می‌خوایم پیش‌بینی کنیم که آیا این بیمار با توجه به سابقه مصرف سیگار و کلسترول خونش، در 5 سال آینده دچار سکته قلبی می‌شود یا خیر؟ خروجی فقط دو حالته: بله یا خیر (ابتلا یا عدم ابتلا).

🩺 چرا رگرسیون لجستیک برای کادر درمان و پزشکان مهمه؟

چون دنیای بالین، بیشتر اوقات دنیای تصمیمات صفر و یکه!
پزشک‌ها معمولاً می‌خوان بدونن:
• آیا بیمار زنده می‌مونه یا فوت می‌کنه؟
• آیا تومور بدخیمه یا خوش‌خیم؟
• آیا دارو اثر کرد یا نکرد؟

به علاوه، رگرسیون لجستیک به ما یه شاخص طلایی به اسم نسبت شانس یا OR میده که تو مقالات علوم پزشکی به شدت محبوبه و نشون میده فلان فاکتور خطر، چند برابر شانس ابتلا به بیماری رو بالا می‌بره.

#آموزش_کوتاه
https://t.me/viva_academi