A case study of Stroke patients in Senegal: application of Generalized extreme value regression model

Abstract

Logistic regression model is widely used in many studies to investigate the relationship between a binary response variable Y and a set of potential predictors X. The binary response may represent, for example, the occurrence of some outcome of interest (Y=1 if the outcome occurred and Y=0 otherwise). When the dependent variable Y represents a rare event, the logistic regression model shows relevant drawbacks. In order to overcome these drawbacks we propose the Generalized Extreme Value (GEV) regression model. In particularly, we suggest the quantile function of the GEV distribution as link function. Strokes are a serious pathology and a neurological emergency involving the vital prognosis and the functional prognosis. In Senegal, strokes account for more than 30% of hospitalizations and are responsible for nearly two thirds of mortality. In this work, we use the GVE regression model for binary data to determine the risk factors leading to stroke and to develop a predictive model of life-threatening outcomes in central Sénégal.

Le modèle de régression logistique est utilisé dans beaucoup de domaine pour étudier la relation entre une variable réponse binaire Y et un ensemble de prédicteurs X. La réponse peut représenter, par exemple, l'occurrence d'un certain résultat d'intérêt (Y=1 si le résultat s'est produit et Y=0 sinon). Lorsque la variable dépendante Y représente un événement rare, la régression logistique présente des inconvénients notables. Afin de surmonter ces inconvénients, nous proposons le modèle de régression basé sur la loi généralisée des valeur extrêmes (GVE). En particulier, nous proposons le quantile de la loi généralisée des valeurs extrêmes comme fonction de lien. Les accidents vasculaires cérébraux (AVC) sont une pathologie grave et une urgence neurologique mettant en jeu le pronostic vital. Au Sénégal, les AVC représentent plus de 30% des hospitalisations et sont responsables de près de deux tiers de la mortalité. Dans ce travail, nous utilisons le modèle de régression GVE sur des données binaires pour déterminer les facteurs conduisant à un AVC et de développer un modèle prédictif de l'engagement du pronostic vital au Sénégal-central.