دوره 19، شماره 5 - ( آذر و دی 1399 )                   جلد 19 شماره 5 صفحات 67-55 | برگشت به فهرست نسخه ها

Ethics code: IR.SSU.SPH.REC.1398.130


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Askarishahi M, Mirjani Arjenen M, Vakili M. Comparison between Efficiency of Poisson Regression Model and Negative Binomial Regression in the Analysis of Factors Affecting Mortality from Cardiovascular Diseases in Yazd Province in 2017. TB 2020; 19 (5) :55-67
URL: http://tbj.ssu.ac.ir/article-1-3022-fa.html
عسکری شاهی محسن، میرجانی ارجنان محمد، وکیلی محمود. مقایسه کارآیی مدل رگرسیون پواسون و رگرسیون دو جمله ای منفی در تحلیل عوامل موثر بر مرگ و میر ناشی از بیماریهای قلبی و عروقی در استان یزد در سال 1396. طلوع بهداشت. 1399; 19 (5) :55-67

URL: http://tbj.ssu.ac.ir/article-1-3022-fa.html


، پردیس بین الملل ، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی شهید صدوقی، یزد، ایران. ، moasbio@gmail.com
متن کامل [PDF 626 kb]   (1093 دریافت)     |   چکیده (HTML)  (1447 مشاهده)
متن کامل:   (1453 مشاهده)
مقایسه کارآیی مدل رگرسیون پواسون و رگرسیون دو جمله ای منفی در تحلیل عوامل موثر بر مرگ و میر ناشی از بیماریهای قلبی و عروقی در استان یزد در سال 1396
نویسندگان: محمد میرجانی ارجنان1، محسن عسکری شاهی2، محمود وکیلی3
1.دانشجوی کارشناسی ارشد آمار زیستی پردیس بین الملل ، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی شهید صدوقی، یزد، ایران.
2.نویسنده مسئول :دانشیار گروه آمار و اپیدمیولوژی، دانشکده بهداشت.، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی  شهید صدوقی، یزد، ایران. تلفن تماس: 09125799189                 moasbio@gmail.com      Email:
3.دانشیار گروه پزشکی اجتماعی ، دانشکده پزشکی، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی شهید صدوقی، یزد، ایران.
چکیده    
مقدمه: با وجود پیشرفت‌های انجام شده در زمینه بیماری‌های قلبی و عروقی هنوز هم مرگ ناشی از این بیماری در صدر علت های مرگ می باشد. در این مطالعه به بررسی دقیق برخی از این عوامل موثر بر مرگ ناشی از بیماری های قلبی و عروقی پرداخته می شود.
روش بررسی: مطالعه ای تحلیلی از نوع مقطعی که در آن کارآیی مدل های  رگرسیون پواسون و دو جمله ای منفی در ارتباط با عوامل موثر بر مرگ و میر ناشی از بیماری های قلبی و عروقی بررسی               می شود.اطلاعات مرگ از سامانه ثبت مرگ برای سال 1396 استان یزد استخراج شد. جنس، سن، تحصیلات، شغل، موقعیت مکانی، شهرستان محل فوت نیز برای هر کدام از متوفیان استخراج شد . سپس این دو مدل رگرسیونی به داده ها برازش داده شد .
 یافته ها: تعداد 5015 مرگ ثبت شده است که از این تعداد 1642 فوت  در اثر بیماری های قلبی و عروقی اتفاق افتاده بود. نرخ مرگ در اثر بیماری قلبی و عروقی با استفاده از رگرسیون دو جمله ای منفی برای متغیرهای تحصیلات، محل سکونت، نوع سکونت و سن معنی دار شد. نسبت مرگ به علت بیماری قلبی و عروقی برای متغیر سن معنی دار و برای متغیرهای شغل، تحصیلات، نحوه سکونت و محل سکونت معنی دار نشد.
 نتیجه گیری: در صورتیکه زمان وقوع مرگ به عنوان متغیر offset  در نظر گرفته شود، مدل رگرسیون دو جمله منفی برای نشان دادن عوامل موثر بر مرگ به علت بیماری قلبی و عروقی با توجه به معیار  AICو BIC کاراتر می باشد و در صورتیکه کل افراد فوت شده به عنوان متغیر offset در نظر گرفته شود، مدل رگرسیون پواسون کاراتر می باشد.
واژه های کلیدی: مرگ ناشی از بیماری های قلبی و عروقی، رگرسیون دو جمله ای منفی، رگرسیون پواسون
این مقاله برگرفته از پایان نامه کارشناسی ارشد پردیس بین الملل ، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی  شهید صدوقی یزد می باشد.

 مقدمه

بیماری قلبی و عروقی  هم چنان از نظر کشتار مردم دنیا در صدر جدول جای دارد که شایع‌ترین علت مرگ در بیشتر کشورهای جهان محسوب می شود(1). بیماری های قلبی و عروقی در اغلب کشورهای جهان از جمله کشور ایران به عنوان یکی از مهمترین عوامل تهدید کننده ی سلامت انسان ها شناخته        می شود(2). این بیماری همچنین اصلی ترین عامل مرگ و میر در ایران محسوب می شود.بیماری‌های قلبی عروقی یکی از بیماری‌های غیرواگیر قابل پیشگیری انسان به شمار می‌آیند(4،3).

سازمان بهداشت جهانی برآورد کرده است که اگر روند فعلی ادامه پیدا کند و اقدامی در جهت بهبود بیماران قلبی و عروقی صورت نگیرد تا سال 2020 در سراسر جهان 25 درصد از سال های سلامت زندگی افراد به علت بیماری های قلبی عروقی از دست می رود(6،5).شیوع بالای بیماری قلبی و عروقی، اهمیت مقابله با این بیماری را آشکار می‌سازد و به‌همین دلیل شناسایی و بررسی عوامل خطرساز زیستی و روان‌شناختی و پیشگیری و درمان در این حیطه ضروری به‌نظر می‌رسد(7).آنالیز رگرسیون چندگانه  یکی از روش‌های آماری می‌باشد که برای برآورد عوامل خطرساز و سهم اثرات آن عوامل به‌طور چشمگیری استفاده می‌شود(8). در آنالیز رگرسیون در حالتی که متغیر وابسته گسسته و نامنفی باشد، مدل رگرسیون پواسن مورد استفاده قرار می‌گیرد(9). محدوده اصلی مدل رگرسیون پواسن بر این شرط استوار است که واریانس متغیر وابسته با میانگین آن برابر باشد(10).مدل های داده های شمارشی به طور گسترده در مطالعات تجربی استفاده می شود و مدل های رایج برای این داده ها مدل پواسون، مدل دوجمله ای و دو جمله ای منفی            می باشد(12،11).اما در بسیاری از پدیده‌ها داده‌ها بسیار پراکنده‌اند، به ‌عبارت دیگر ممکن است واریانس به‌طور معنی داری از میانگین بزرگتر باشد. وقتی که واریانس و میانگین متغیر پاسخ باهم برابر نباشند، واریانس‌های ضرایب برآورد شده در مدل پواسن اریب خواهند بود که در این حالت برازش رگرسیون پواسن بر روی داده‌ها مناسب نمی‌باشد. مدل دوجمله‌ای منفی به برابری واریانس و میانگین جامعه حساس نمی‌باشد، پس با توجه به تشابه فرم فضای نمونه‌ای می‌توان                از مدل دو جمله‌ای منفی به ‌جای مدل پواسن استفاده کرد(13).Ardiles و همکاران درسال 2018 مدل رگرسیون دو جمله ای منفی را برای  داده ها ی بیماران بستری استفاده کردند.آن ها تعداد بیماران تنفسی و خونی را با توجه به سن با آلاینده های هوا بررسی کردند. بهترین مدل برای توصیف این داده ها رگرسیون دو جمله ای منفی عنوان شد و آلاینده CO جهت بیماری خونی در سالمندان و بیماری تنفسی جهت افراد 19-10 سال عامل خطر معرفی شد در حالیکه عامل خطر برای جمعیت 64-20 سال  NO2معرفی شد(14).Waenerlund و همکاران در سال 2018 در سوئد ارتباط بین سطح درآمد و تحصیلات را بین زنان و مردان 38 تا 62 ساله  بیماران بستری بیمارستان های وابسته به بیماری قلبی و عروقی سنجیدند. سطح درآمد و تحصیلات در 6 زیرگروه برای زنان و مردان بررسی شد. بیماری های قلبی و عروقی برای زنان و مردان برای نابرابری های اقتصادی و آموزشی، پایدار بود ولی برای مردان کاهش داشت.  نتایج افزایش بیماری های قلبی و عروقی را در شرایط نابرابری های اجتماعی نشان داد(15).   Correiaو  همکاران در سال 2018 با استفاده از توزیع دو جمله ای منفی به عوامل موثر برای تعداد بیماران مراجعه کننده به واحد اورژانس سرپایی شهر ژنو پرداختند. این داده ها از ماه مه 2013 تا اوت 2017 جمع آوری شد و تعداد پذیرش بیماران در دوره هایی که مسابقه تنیس برگزار می شدند با دوره هایی که مسابقات تنیس برگزار نمی شدند بررسی شد. کاهش معنی داری در تعداد پذیرش در زمان هایی که مسابقه تنیس برگزار می شد در مقابل زمان هایی که مسابقه ای نبود، مشاهده شد. این کاهش در مسابقات نیمه نهایی و فینال هم بیشتر مشاهده شد.

هم چنین کاهش تعداد پذیرش بیماران برای سنین 26تا64 ساله نیز مشهود بود و تغییری در نرخ پذیرش برای ساعت های قبل و بعد از پذیرش مشاهده نشد(16).مقایسه ی توزیع پواسون تعمیم یافته و توزیع دو جمله ای منفی در سال 2005 توسط آقای  Joeو همکارانش انجام شد. آن ها به این نتیجه رسیدند که برازش داده های شمارشی مدل پواسون تعمیم یافته و دوجمله ای منفی اغلب شبیه هم می باشد و برای تشخیص تفاوت های آن ها ، تابع جرم احتمال و اریبی مدل پواسون تعمیم یافته و دوجمله ای منفی را با یکی از دو گشتاور ثابت مقایسه می کنیم.آن ها در بعضی موارد تفاوت های کمی دارند. با استفاده از داده های شمارشی با کسر زیادی از صفر بین توزیع پواسون تعمیم یافته و دوجمله ای منفی تفاوت وجود دارد. این مقایسه احتمالی به انتخاب یک توزیع برازش شده ی بهتر برای مدل سازی دادهای شمارشی  با دنباله ای از راست کشیده شده کمک می کند(17).

در مطالعه ای که Li-yen chang در سال 2005 تحت عنوان تجزیه و تحلیل فراوانی تصادفات آزاد راه: رگرسیون دوجمله ای منفی در مقابل شبکه عصبی مصنوعی انجام داده است تعداد تصادفاتی که در بخشی از بزرگراهی در تایوان در یک دوره زمانی یکساله اتفاق افتاده است را مدل بندی کرده است. نتایج نشان داد شبکه عصبی مصنوعی برای پیش بینی یک یا بیشتر از یک تصادف عملکرد بهتری دارد درحالی که اگر انباشتگی در مقدار صفر باشد رگرسیون دو جمله ای منفی با 97% پیش بینی درست شبکه عصبی مصنوعی با 90% پیش بینی عملکرد بهتری دارد(18). Famoy و  Wong در سال 2004 مدل رگرسیون پواسن تعمیم یافته را چنان گسترش دادند که متغیر پاسخی را پیش بینی کند که تحت تاثیر یک یا چند متغیر توضیحی است. مدل رگرسیون پواسون تعمیم یافته برای مدل سازی داده های شمارشی مناسب است که بیش پراکندگی یا کم پراکندگی را نشان می دهد. پارامترهای رگرسیون توسط ماکزیمم درستنمایی برآورد شد. نتایج مطالعه نشان داد که اثر سانسور روی خطای معیار پارامترها با استفاده از هموارسازی انجام می شود.

غلامرضا شریفی راد وهمکاران در سال 1385 ارتباط بیماری های قلبی و عروقی در سالمندان را با سابقه فعالیت جسمانی بررسی کردند نتایج این مطالعه نشان داد که شیوع بیماری های قلبی عروقی و فشار خون بالا در سالمندان عضو کانون بازنشستگان اصفهان بیش از حد انتظار است. هم چنین این مطالعه مشخص کرد که میزان پیاده‌روی، تنیس روی میز، نرمش، دوچرخه‌سواری و کوه‌پیمایی در میانسالی در میزان ابتلا به بیماری های قلبی عروقی مؤثر است. مطالعه نشان داد که میزان پیاده‌روی، نرمش و دویدن در میانسالی بین دو جنس تقریباً یکسان بوده و میزان فعالیت جسمانی به طور مستقیم با سطح تحصیلات ارتباط دارد. به عبارتی هر چه سطح تحصیلات بالاتر باشد میزان فعالیت جسمانی هم بیشتر است. اما میزان پیاده‌روی، دوچرخه‌سواری، کوه‌پیمایی و دویدن در میانسالی در تمام سطوح تحصیلی تقریباً یکسان صورت گرفته است(19)Dogra  و همکاران در یک مطالعه نشان دادند بین بیماری های قلبی و عروقی و آسم در بزرگسالان ارتباط معنی داری وجود دارد. در این مطالعه با استفاده از 74342 شرکت کننده با رنج سنی 45 تا 70 سال و با استفاده از رگرسیون لجستیک چندگانه نشان داده شد که احتمال ابتلا به بیماری قلبی برای فرد آسمی 43 درصد بیشتر از یک فرد غیر آسمی است. هم چنین هیچ ارتباط آماری بین سن شروع فشار خون و بیماری قلبی مشاهده نشد(20).

روش بررسی

مطالعه حاضر مطالعه ای تحلیلی از نوع مقطعی است که  به منظور کارآیی مدل رگرسیون پواسون و دو جمله ای منفی در ارتباط با عوامل موثر بر مرگ و میر ناشی از بیماریهای قلبی و عروقی استان یزد در سال 1396 می باشد

کلیه ی افراد فوت شده به علت بیماری های قلبی و عروقی و سایر علت ها در سال 1396 استان یزد در مطالعه وارد شدند.

مطالعه حاضر به منظور مقایسه کارایی مدل رگرسیون پواسون و دوجمله ای منفی در ارتباط با عوامل موثر بر مرگ و میر ناشی از بیماری های قلبی و عروقی در استان یزد در سال 1396می باشد. در این مطالعه کلیه افرادی که در سال 96 به علت بیماری قلبی و عروقی و سایر بیماری ها فوت کرده اند بر اساس گواهی فوت صادر شده وارد مطالعه شدند.

پس از جمع اوری داده ها از سامانه ثبت مرگ در قالب excel2012 و تبدیل آن ها به داده های شمارشی با استفاده ازSpss نسخه 20 به منظور محاسبات آماری، داده ها  در نرم افزار R  فراخوانی شدند و با استفاده از پکیج نرم افزاری MASS کدهای مربوط به محاسبات را نوشتیم. سپس مدل های رگرسیون پواسون و رگرسیون دوجمله ای منفی به داده ها برازش داده شدند. برای بر آورد پارامترهای مدل از روش درست نمایی ماکزیمم استفاده کردیم. هم چنین برای نشان دادن مدل مناسب تر از آماره لگاریتم و معیار اطلاع آکائیک (AIC) و (BIC)استفاده کردیم.

جهت انجام آنالیز و تحلیل داده ها پس از تکمیل اطلاعات مورد نیاز و تعریف متغیرهای مطالعه وکدگذاری آنها، داده ها وارد نرم افزار R شدند و از پکیج هایggplot2 ،MASS،VGAM و  countreg استفاده شد .هم چنین سطح معنی داری 05/0در نظر گرفته شد.  این مطالعه پس از بررسی در کمیته اخلاق دانشکده بهداشت دانشگاه علوم پزشکی شهید صدوقی یزد با اخذ کد  IR.SSU.SPH.REC.1398.130 مورد تایید قرار گرفت.

یافته ها

 هدف از انجام این مطالعه مقایسه کارآیی مدل رگرسیون پواسون و دو جمله ای منفی برای تعیین عوامل موثر بر مرگ و میر ناشی از بیماری های قلبی و عروقی استان یزد در سال 1396 است.در این مطالعه تعداد کل مرگ و میرها در سال 1396 در استان یزد  ۵۰۱۵ مورد بود که در این میان تعداد ۱۶۴۲  مورد مرگ بر اثر بیماری قلبی و عروقی داشتیم که 3/49% (809 نفر) از این فوت شدگان مرد 7/50% زن می باشند. هم چنین از این تعداد 55% ساکن یزد و بقیه ساکن سایر شهرستان های استان بوده اند. 7/79% از افرادی که به علت بیماری قلبی و عروقی فوت کرده اند در مناطق شهری و3/20% در مناطق روستایی ساکن بوده اند.5/46% از افرادی که شغل آن ها در گواهی فوت ثبت شده و به علت بیماری های قلبی و عروقی مرده اند، شاغل و5/53% خانه دار ثبت شده است. سن 91 %از افرادی که به علت بیماری قلبی و عروقی فوت کرده اند بیشتر و بالاتر از 55 سال و 9% پایین تر از 55 سال بوده است. جدول  1 توزیع فراوانی مرگ و میر در اثر بیماری قلبی و عروقی بر حسب متغیرهای را نشان                                      

می دهد.ابتدا تعداد مرگ و میر های گزارش شده بر اثر بیماری قلبی وعروقی در سال 96 را به تفکیک متغیر های ماه، شغل، سطح تحصیلات، نحوه سکونت ( شهری یا روستایی) ، محل سکونت و سن را محاسبه کردیم. سپس تعداد کل موارد مرگ ومیر  و تعداد مرگ و میر در اثر بیماری قلبی و عروقی  در هر زیر گروه را شمرده ایم.

 

جدول 1: فراوانی مرگ و میر بر اثر بیماریهای قلبی و عروقی به تفکیک متغیر ها در سال 1396 در استان یزد

                                                                                                                                    متغیر

فراوانی

درصد فراوانی

جنسیت

مرد

809

3/49

زن

833

7/50

شغل

شاغل

382

5/46

خانه دار

439

5/53

سطح تحصیلات

با سواد

516

64

بی سواد

289

36

محل سکونت

یزد

844

55

سایر شهرستان ها

692

45

وضعیت سکونت

روستایی

312

3/20

شهری

1224

7/79

سن

55>

147

9

55

1495

91

ماه

فروردین

137

3/8

اردیبهشت

125

6/7

خرداد

128

8/7

تیر

121

4/7

مرداد

124

6/7

شهریور

120

3/7

مهر

134

2/8

آبان

145

8/8

آذر

164

10

دی

175

7/10

بهمن

135

2/8

اسفند

134

2/8

با در نظر گرفتن متغیر زمان تا مرگ به عنوان offset  مدل های دوجمله ای منفی و پواسن به داده ها بدون متغیر کمکی برازش داده شد. شاخص های  AIC و BIC  در جدول 2 آورده شده است. هم چنین با استفاده از آماره آزمون نسبت درست نمایی مشخص شد مدل دوجمله ای منفی برازش بهتری بر روی داده ها دارد ( 001/0>P).هم چنین در شکل 1 نمودار Rootogram   برای این دو مدل رسم شد که همانند آزمون نسبت درست نمایی  نشان می دهد که مدل دو جمله ای منفی برازش بهتری روی داده ها دارد.

بنابراین در مرحله انتخاب متغیر مدل های تک متغیره با در نظر گرفتن توزیع دوجمله ای منفی و متغیر زمان تا مرگ در اثر بیماری قلبی و عروقی به عنوان offset بر  روی داده ها برازش داده شد. سپس متغیرهای کمکی که مقدار p برای آن ها بیشتر از 2/0 بود  از مدل چندگانه حذف شدند.

با توجه به نتایج رگرسیون چند گانه دوجمله ای منفی که در جدول 3 مشخص شد نرخ مرگ در اثر بیماری قلبی و عروقی در افرادی که همسر  آن ها خانه دار است نسبت به شاغل تفاوت معناداری ندارد. برای متغیر سطح تحصیلات می توان گفت نرخ مرگ در اثر بیماری قلبی و عروقی در افرادی که حداقل تحصیلات ابتدایی دارند 65 درصد بیشتر از افراد بی سواد است. نرخ مرگ در اثر بیماری قلبی و عروقی برای افرادی که محل سکونت آن ها مرکز استان است، 52 درصد بیشتر از سایر شهر ستان ها است. نرخ مرگ در اثر بیماری قلبی و عروقی برای افرادی که شهری هستند تقریبا دو برابر روستایی ها است. هم چنین می توان گفت مرگ در اثر بیماری قلبی و عروقی در افرادی که بالای 55 سال سن دارند 12 برابر افرادیست که کمتر از 55 سال دارند. 

با در نظر گرفتن متغیر تعداد کل موارد فوت شده به عنوان  offset شاخص AIC و BIC برای هر دو مدل رگرسیونی پواسون و دوجمله ای منفی محاسبه شد، از آن جایی که درجه آزادی هر دو مدل برابر یک هست قادر به آزمون نسبت درستنمایی نیستیم .

 اما با این وجود مشاهده می شود که مدل پواسن آکائیکه کمتری نسبت به مدل دوجمله ای منفی دارد بنابراین مدل پواسن به عنوان مدل بهینه انتخاب می شود هم چنین در نمودار Rootogram رسم شده برای این دو مدل تفاوت چندانی بین مدل رگرسیون پواسون و مدل رگرسیون دوجمله ای منفی مشاهده نشد، بنابراین انتخاب مدل ساده تر(پواسن) ارجحیت دارد.

در مرحله انتخاب متغیر مدل های تک متغیره با در نظر گرفتن توزیع پواسن و متغیر تعداد کل موارد فوت شده به عنوان offset بر روی داده ها برازش داده شد. سپس متغیرهای کمکی که مقدار p برای آن ها بیشتر از 2/. به دست آمد، از مدل چندگانه حذف شدند.

با توجه به نتایج رگرسیون چند گانه پواسن که در جدول 5 آمده است، مشخص شد که  نسبت مرگ در اثر بیماری قلبی و عروقی در افرادی که بالای 55 سال سن دارند تقریبا 2 برابر افرادیست که کمتر از 55 سال دارند.اما متغیرهای شغل همسر، وضعیت تحصیلات، نحوه سکونت تاثیر معناداری بر روی نسبت مرگ به دلیل بیماری قلبی و عروقی  نداشتند. 

 

 

 

جدول 2 :مقایسه شاخص های برازش مدل صفر وقتی offset متغیر زمان است

مدل های برازش شده

درجه آزادی

شاخص BIC

شاخص AIC

پواسون

1

1888

1884

دو جمله ای منفی

2

1246

1238

 

نمودار1 : نمودار rootogram  برای دو مدل پواسن و دو جمله ای منفی

 

جدول3 : نتایج رگرسیون چندگانه مدل دو جمله ای منفی با حضور متغیرهای معنی دار

 

برآورد

انحراف استاندارد

zv

p

 

عرض از مبدا

8487/0-

1859/0

561/4-

001/0>

 

شغل(خانه دار نسبت به شاغل)

07663/0-

1605/0

4774/0-

6331/0

 

تحصیلات(بیسواد نسبت به باسواد)

505/0-

1631/0

097/3-

001958/0

 

محل سکونت(یزد نسبت به سایر شهرها)

4199/0

1624/0

585/2

009744/0

 

نحوه سکونت(شهری نسبت به روستایی)

7273/0

01864/0

903/3

001/0>

 

سن(زیر55 سال  نسبت به بالای 55 سال)

49/2-

2218/0

23/11-

001/0>

 

 

مدل های برازش شده

درجه آزادی

شاخص BIC

شاخص AIC

پواسون

1

7/748

745

دو جمله ای منفی

1

4/783

779.7

جدول 4: مقایسه شاخص های برازش مدل صفر وقتی offset کل افراد فوت شده است

 

 

 

 

 

بحث و نتیجه گیری

این مطالعه نگاه ویژه ای به متغیر offset در مدل بندی رگرسیون شمارشی دارد. این متغیر غالباً در مدلسازی رگرسیون شمارشی حذف می‌شود . از آن جایی که در رگرسیون شمارشی فرض بر آن است که تعداد پیشامدها در یک بازه زمانی یا مکانی مشخص را مورد بررسی قرار می دهیم،  اگر پیشامد مورد بررسی برای افراد شرکت کننده در مطالعه، همگی در یک بازه زمانی یا مکانی باشد نیازی به ورود این متغیر نیست. اما اغلب در عمل، فراوانی پیشامد ثبت شده در بازه های زمانی یا مکانی متفاوتی روی می دهند. بنابراین توجه به offset بسیار ضروری است. علاوه بر این نوع متغیر offset می‌تواند زمینه مدل سازی را تحت تأثیر قرار دهد. اگر زمان تا پیشامد مورد نظر به عنوان offset در نظر گرفته شود در این صورت پاسخ به جای تعداد، نرخ پیشامد است و اگر تعداد کل افراد را به عنوان offset در نظر بگیریم پاسخ درصد پیشامد است. این موضوع باید در تفسیر ضرایب در نظر گرفته شود.

بنابراین  مدل های دوجمله ای منفی و پواسنی با در نظر گرفتن زمان و تعداد کل افراد به عنوان offset بر روی داده‌ها پردازش شد. هنگامی که متغیر زمان تا پیشامد به عنوان offset در نظر گرفته شد مدل دوجمله ای منفی از نظر AIC برازش بهتری داشت. این موضوع به دلیل وجود بیش پراکنش در توزیع نرخ مرگ و میر در اثر بیماری های قلبی و عروقی است. اما  هنگامی که تعداد کل افراد به عنوان offset در نظر گرفته شد مدل پواسنی بهتر از دوجمله ای منفی برازش شد.

سن در همه تحلیل ها ، از نظر آماری معنی دارشده است.در مدل رگرسیونی دوجمله ای منفی نرخ مرگ بر اثر بیماری های قلبی و عروقی  در افرادی که بالای 55 سال سن دارند 12 برابر افرادیست که کمتر از 55 سال دارند.و در مدل رگرسیونی پواسن که  نسبت مرگ بر اثر بیماری های قلبی و عروقی  در افرادی که بالای 55 سال سن دارند تقریبا 2 برابر افرادیست که کمتر از 55 سال دارند.که مطابق با مطالعه ای است که عامری و همکاران در سال 2014روی عوامل تاثیرگذار بر بیماری های قلبی انجام دادند سن را به دو قسمت زیر 45 سال و بالای آن در نظر گرفتند .و سن بالا از عوامل مهم و تاثیر گذار بر بیماری های دیگر در کنار سایر عوامل شناخته شد(21).اما برخلاف نتایج ما در مطالعه  Judith و همکاران در سال 2013 مرگ و میر ناشی از بیماری های قلبی را  بر اساس کشور،مذهب و سن بررسی کردند و دریافتند که سن به تنهایی از عوامل موثر بر مرگ بر اثر بیماری های قلبی نیست اما در کنار عواملی هم چون وضعیت اقتصادی میتواند تاثیر گذار باشد(22) .

متغیر جنسیت در هیچ یک از تحلیل ها،  از نظر آماری معنی دارنشده است و در هیچ یک از مدلها ی رگرسیون شمارشی آن را وارد مدل بندی نکردیم .در بسیاری از مطالعاتی که در این زمینه انجام شد عامل جنس معنی دار نشده است مانند مطالعه Furer و همکاران در سال 2018 در مطالعه ای شاخص BMI را با مرگ میر ناشی از بیماری های قلبی را برسی کردند و دریافتند که به جز زنانی که دچار کمبود وزن شدید هستند مرگ و میر بیماری های قلبی در زنان و مردان تفاوت معناداری ندارد(23). اما برخلاف نتایج ما در مطالعه Sun و همکاران در سال 2018  در یک متاآنالیز که در رابطه دیابت و بیماری های قلبی و سایر مرگ و میرها روی 68 مطالعه  بود دریافتند که  خطر مرگ و میر در اثر بیماری های قلبی در زنان بیشتر از مردان است (24) .

متغیر محل سکونت در مدل دوجمله ای منفی معنادار شد به این صورت که نرخ مرگ و میر در اثر بیماری های قلبی و عروقی برای افرادی که محل سکونت آن ها مرکز استان است، 52 درصد بیشتر از سایر شهر ستان ها است.اما این متغیر در مدل رگرسیون پواسن از نظر آماری معنی دار نبود. مطابق است با مطالعه عبدالهی و همکاران در سال 2012  که در یک مطالعه توصیفی-تحلیلی روی ۵۴۴۴ نفر دچار بیماری قلبی بودند انجام دادند و دریافتند بین این بیماری و محل سکونت رابطه معناداری وجود ندارد (25).

و در آخر متغیر وضعیت سکونت در مدل دوجمله ای منفی معنادار شد به این صورت که نرخ مرگ به علت بیماری های قلبی و عروقی برای افرادی که شهری هستند تقریبا دو برابر روستایی ها است.اما این متغیر در مدل رگرسیون پواسن از نظر آماری معنی دار نبود. در مطالعه مقطعی درویش پور و همکاران در سال 2016 که روی106 نفر از بیماران قلبی مراجعه کننده در رشت انجام دادند، محل سکونت به عنوان شاخص معنادار روی بیماری های قلبی عروقی شناخته شد  و کسانی در شهر زندگی می کردند در مواجهه با بیماری های قلبی بودند (26). اما در مطالعه آصف زاده و همکاران در سال 2013 که در مورد فوت شدگان بر اثر بیماری های قلبی و عروقی در شهر قزوین انجام دادند دریافتند که مرگ و میر در روستا دوبرابر مرگ و میر در

شهر است(27).

نتایج نشان داد در صورتی زمان وقوع مرگ به عنوان متغیر offset  در نظر گرفته شود، مدل رگرسیون دو جمله منفی برای نشان دادن عوامل موثر بر مرگ به علت بیماری قلبی و عروقی با توجه به معیار AIC و BIC کاراتر می باشد. در این حالت مشخص شد نرخ مرگ در اثر بیماری قلبی و عروقی برای جنس و شغل تفاوت معنا داری ندارد . نرخ مرگ در اثر بیماری قلبی و عروقی با استفاده از رگرسیون دو جمله ای منفی برای متغیرهای تحصیلات، محل سکونت، نوع سکونت و سن معنی دار شد

هم چنین اگر تعداد کل موارد فوت شده به عنوان offset در نظر گرفته شود، مدل رگرسیون پواسون با توجه به معیارهای AIC,BIC کارآتر از مدل دو جمله ای منفی می باشد که دراین حالت نسبت مرگ به علت بیماری قلبی و عروقی برای متغیر سن معنی دار و برای متغیرهای شغل، تحصیلات، نحوه سکونت و محل سکونت معنی دار نشد.

تضاد منافع

نویسندگان این مقاله اعلام می دارند که در این مقاله هیچ گونه تضاد منافعی وجود ندارد.

تشکر و قدر دانی

از کلیه کسانی که در انجام این تحقیق ما را یاری رساندند کمال تشکر و قدر دانی را داریم.
نوع مطالعه: پژوهشي | موضوع مقاله: عمومى
دریافت: 1398/11/26 | پذیرش: 1399/7/13 | انتشار: 1399/11/1

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

https://creativecommons.org/licenses/by/4.0/کلیه حقوق این وب سایت متعلق به طلوع بهداشت یزد می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2015 All Rights Reserved | Tolooebehdasht

Designed & Developed by : Yektaweb