Journal of Mazandaran University of Medical Sciences

fa کسر منتسب جمعیتی: مفاهیم، روش‌های محاسبه و کاربردهای سلامت عمومی Population Attributable Fraction: Concepts, Calculation Methods, and Public Health Applications اپیدمیولوژی Epidemiology مروری Review سابقه و هدف: کسر منتسب جمعیتی (PAF) شاخصی کلیدی در اپیدمیولوژی است که نشان می‌دهد چه نسبتی از بار بیماری در یک جمعیت، در صورت حذف یک یا چند عامل خطر با رابطه علّیتی معتبر، قابل پیشگیری است. این شاخص به‌دلیل حساسیت به شیوع مواجهه و اندازه اثر، ابزار مهمی برای اولویت‌بندی مداخلات پیشگیرانه و سیاست‌گذاری سلامت محسوب می‌شود. این مطالعه با هدف مرور و مقایسه روش‌های مختلف محاسبه PAF و تحلیل پیامدهای مفهومی و کاربردی آن در پژوهش‌های اپیدمیولوژیک و برنامه‌ریزی سلامت، انجام پذیرفت. مواد و روش ‌ها: این پژوهش به‌صورت مرور روایتی انجام شد. جستجو در پایگاه‌های داخلی و بین‌المللی برای مقالات منتشر شده طی سال‌های ۲۰۰۰ تا ۲۰۲۵ با استفاده از کلید واژه‌های مرتبط با PAF، اپیدمیولوژی و روش‌شناسی صورت گرفت. پس از غربالگری و حذف موارد تکراری، ۱۲ مطالعه که نماینده رویکردهای مختلف محاسبه PAF بودند (از جمله فرمول کلاسیک لوین، مدل‌های رگرسیونی، مدل‌های بقا، روش‌های چند سطحی و استانداردسازی غیرمستقیم ) وارد مطالعه شدند. یافته‌ها: نتایج نشان داد که PAF  علاوه بر اندازه اثر عوامل خطر، به نوع داده، مدل آماری، انتخاب سطح مرجع و مفروضات علیتی نیز وابسته است. فرمول لوین برآوردی سریع و شفاف ارائه می‌دهد، اما توانایی کنترل مخدوش‌کننده‌ها و اینترکشن را ندارد. مدل‌های رگرسیونی و روش‌های پیچیده‌تر امکان تعدیل مخدوش‌ کننده‌ها، تحلیل چند عاملی و بررسی نابرابری‌ها را فراهم می‌کنند. هم‌پوشانی مواجهه‌ها می‌تواند منجر به بیش ‌برآورد شدید شود و استفاده از روش‌های وزندار یا سناریوی کم‌خطر برآوردهای واقع‌بینانه‌تری ارائه می‌دهد. استنتاج: PAF شاخصی وابسته به چارچوب روش‌شناختی است و تفسیر آن باید با توجه به مفروضات علیتی، نوع داده و هدف تحلیل انجام شود. شفافیت در گزارش روش محاسبه و انتخاب سطح مرجع برای استفاده صحیح از این شاخص در سیاست‌گذاری سلامت ضروری است.   Background and purpose: The Population Attributable Fraction (PAF) is a key epidemiological measure that quantifies the proportion of disease burden in a population that could theoretically be prevented if one or more causal risk factors were eliminated. Because PAF incorporates both effect size and exposure prevalence, it is widely used for prioritizing preventive interventions and informing health policy. This study aimed to review and compare methodological approaches for calculating PAF and to examine their conceptual and practical implications for epidemiological research and health system planning. Materials and methods: A narrative review was conducted by searching national and international databases for articles published between 2000 and 2025 using keywords related to PAF, epidemiology, and methodology. After screening and removing duplicates, 12 studies representing diverse methodological approaches, including Levin’s classical formula, multivariable regression models, cohort-based survival models, multilevel logistic models, and indirect standardization, were included in the qualitative synthesis. Results: The findings indicated that PAF estimates depend more on methodological choices, data structure, statistical modelling, choice of reference level, and causal assumptions than on the magnitude of risk factors alone. While Levin’s formula provides a simple and transparent estimate, it cannot adjust for confounding or interactions. Regression-based and advanced modelling approaches allow adjustment for confounders, multivariable PAF estimation, and assessment of population inequalities. Overlapping exposures can substantially inflate PAF estimates, and weighted or low-risk scenario approaches often yield more conservative and realistic estimates. Conclusion: PAF is not a fixed quantity but depends on the methodological approach used, and its interpretation requires careful consideration of causal assumptions, the type of data available, and the analytic purpose. Transparent reporting of methods and reference levels is essential for producing valid and policy-relevant PAF estimates for health systems.   اپیدمیولوژی, خطر, کسر منتسب جمعیتی, اولویت‌بندی, نظام سلامت epidemiology, risk, population attributable fraction, prioritization, health system 297 308 http://jmums.mazums.ac.ir/browse.php?a_code=A-10-2809-8&slc_lang=fa&sid=1 Azimeh Chaboki عظیمه چابکی aziiimehchaboki@gmail.com 1003194753284600188416 1003194753284600188416 No MSc Student in Epidemiology, Department of Epidemiology and Biostatistics, School of Public Health, Shahrekord University of Medical Sciences, Shahrekord, Iran دانشجوی کارشناسی ارشد اپیدمیولوژی، گروه اپیدمیولوژی و آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی شهرکرد، شهرکرد، ایران Ali Ahmadi علی احمدی aliahmadi2007@gmail.com 1003194753284600188417 1003194753284600188417 Yes Professor, Department of Epidemiology and Biostatistics, School of Public Health, Shahrekord University of Medical Sciences, Shahrekord, Iran استاد اپیدمیولوژی، گروه اپیدمیولوژی و آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی شهرکرد، شهرکرد، ایران