XÜLASƏ
Bu tədqiqat, məlumatların empirik paylanmasına əsaslanaraq statistik modellər yaratmağa imkan verən "bootstrap" metodunun normo- və hiperprolaktinemiya üçün virtual modellərin yaradılmasında tətbiqinə həsr olunub. Tədqiqatın məqsədi bu yanaşmanın fərqli qruplarda, xüsusən də normoprolaktinemiya, hipofiz adenoması olmayan hiperprolaktinemiya, mikroprolaktinoma və makroprolaktinoma qruplarında necə tətbiq olunduğunu araşdırmaqdır. Material və metodlar. Tədqiqatda normoprolaktinemiya, hipofiz adenoması olmayan hiperprolaktinemiya, mikroprolaktinoma və makroprolaktinoma qruplarında olan xəstələrdən toplanan məlumatlar əsas alınaraq virtual modellər yaradılmışdır. Hər bir modelin gender və kəmiyyət xüsusiyyətləri nəzərə alınaraq statistik analiz aparılmışdır. Nəticələr. Tədqiqatın nəticələri göstərdi ki, virtual modellər real qruplarla müqayisədə əhəmiyyətli fərqlər göstərmir. Lakin, prolaktinemiya ilə bədən çəkisi, boy, bədən kütlə indeksi, bel çevrəsi və arterial təzyiq arasında müəyyən əlaqələr aşkar edilmişdir. Həmçinin, hipofiz–qalxanabənzər vəzi sistemi hormonları ilə prolaktinemiya arasındakı əlaqələr də fərqli modellərdə dəyişir. Yekun. Bu tədqiqat, "bootstrap" yanaşmasının klinik və statistik modelləşdirmə üçün effektiv bir alət olduğunu və bu yanaşmanın müxtəlif prolaktinemiya qruplarının xüsusiyyətlərini daha dəqiq təhlil etməyə imkan verdiyini göstərdi.
Açar sözlər: “bootstrap” yanaşması, hipofiz adenoması, normo- və hiperprolaktinemiya, virtual modellər, statistik modelləşdirmə

---

ƏDƏBİYYAT

1. Анатольев С. Экономический ликбез: бутстрап. Основы бутстрапирования. http://quantile.ru/03/03-SA.pdf
2. Жданов К.И. Выпускная квалификационная работа бакалавра. Исследование бутстрап-методов и их применение в статистике. Санкт-Петербург, 2018, 42 с
3. Томин Д. Бутстрап и доверительные интервалы: от теории к практике на Python. 16.07.2024. https://habr.com/ru/articles/829336/
4. Xie H, Tang Q, Zhu Q. A Multiplier Bootstrap Approach to Designing Robust Algorithms for Contextual Bandits // IEEE Trans Neural Netw Learn Syst. 2023 Dec;34(12):9887-9899. doi: 10.1109/TNNLS.2022.3161806
5. Comets E, Rodrigues C, Jullien V, Ursino M. Conditional Non-Parametric Bootstrap for Non-linear Mixed Effect Models // Pharm Res. 2021 Jun;38(6):1057-1066. doi: 10.1007/s11095-021-03052-6
6. Liu XS, Pompey KT. Bootstrap Estimate of Bias for Intraclass Correlation // J Appl Meas. 2020;21(1):101-108.
7. Malakhov M.M., Dai B., Shen XT, Pan W. A Bootstrap Model Comparison test for identifying genes with context-Specific Patterns of genetic regulation // bioRxiv [Preprint]. 2023 Oct 22:2023.03.06.531446. doi: 10.1101/2023.03.06.531446
8. Reader AJ, Ellis S. Bootstrap-Optimised Regularised Image Reconstruction for Emission Tomography // IEEE Trans Med Imaging. 2020 Jun;39(6):2163-2175. doi: 10.1109/TMI.2019.2956878
9. Langenbucher A, Szentmáry N, Cayless A, Wendelstein J, Hoffmann P. Bootstrap Outlier Identification in Clinical Datasets for Lens Power Formula Constant Optimization // Curr Eye Res. 2023 Mar;48(3):263-269. doi: 10.1080/02713683.2022.2108457
10. Bartlett JW, Hughes RA. Bootstrap inference for imputation under uncongeniality and misspecification // Stat Methods Med Res. 2020 Dec;29(12):3533-3546. doi: 10.1177/0962280220932189
11. Davidson R. Bootstrapping econometric models // Quantile, 2007, No.3, pp. 13–36
12. Мосин П. Бутстрап: швейцарский нож аналитика в A/B-тестах. 21.09.23. https://habr.com/ru/users/Atlamos/
13. Calculator.net. BMI Calculator. 2008-2024. https://www.calculator.net/bmi-calculator.html
14. Melmed S., Casanueva F.F., Hoffman A.R. et al. Diagnosis and Treatment of Hyperprolactinemia: An Endocrine Society Clinical Practice Guideline // Clin Endocrinol Metab, 2011, 96: 273–288
15. Thapa S., Bhusal K. Hyperprolactinemia. Last Update: July 24, 2023, https://www.ncbi.nlm.nih.gov/books/NBK537331/
16. Leca B.M., Mytilinaiou M., Tsoli M. et al. Identification of an optimal prolactin threshold to determine prolactinoma size using receiver operating characteristic analysis // Scientific Reports, 2021, 11:9801. doi:10.1038/s41598-021-89256-7
17. Rabinovich I.H., Gómez R.C., Mouriz M.G. et al. on behalf of the Neuroendocrinology Group of the SEEN. Clinical guidelines for diagnosis and treatment of prolactinoma and hyperprolactinemia // Endocrinol Nutr. 2013; 60 (6): 308-319
18. Eske J. What are the ranges, symptoms, and meaning of TSH levels? Last reviewed on November 30, 2023, https://www.medicalnewstoday.com/articles/163729#summary
19. Лакин Г.Ф. Биометрия.Издание третье, переработанное и дополненное. Москва «Высшая школа», 1980, 293 с
20. EasyCalculation.com. Confidence Limits for Mean Calculator. https://www.easycalculation.com/statistics/confidence-limits-mean.php
21. Psyhol-ok Психологическая помощь. Назначение t-критерия Стьюдента. https://www.psychol-ok.ru/statistics/student/
22. EPITOOLS. Calculate confidence limits for a sample proportion. https://epitools.ausvet.com.au/ciproportion
23. Social Science Statistics. Easy Fisher Exact Test Calculator. https://www.socscistatistics.com/tests/fisher/default2.aspx
24. НАФИ. Тема 6. Корреляционный анализ. https://nafi.ru/upload/spss/Lection_6.pdf
25. Stats.Blue. Simple Linear Regression Calculator. https://stats.blue/Stats_Suite/correlation_regression_calculator.html