fa مبانی نظری و طبقه‌بندی روش‌های وزن‌دهی به متغیرها در مطالعات علمی آمار زیستی Biostatistics مروری Review <br> <span style="line-height:2;">&nbsp;<span style="font-size:12pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" times=""><span b="" lang="AR-SA" zar="">در بسیاری از مطالعات علمی فرض برابری اهمیت متغیرها می‌تواند به ساده‌سازی بیش از حد و تفسیر نادرست نتایج منجر شود. وزن‌دهی به متغیرها رویکردی روش‌مند برای بازتاب دادن تفاوت‌های واقعی میان عوامل مؤثر، از نظر اهمیت نظری، قدرت تبیین، کیفیت اندازه‌گیری و هدف تحلیل است. روش‌های عینی بر پایه شاخص‌های آماری تعیین می‌شوند و از تکرارپذیری بیش‌تری برخوردارند، ولی گاهی روابط علّی را به‌خوبی نشان نمی‌دهند. روش‌های ساختاری تعامل متغیرها را در قالب یک نظام تحلیلی بررسی می‌کنند و برای مطالعات چند متغیره مناسب‌اند. روش‌های تصمیم ‌محور نیز وزن‌ها را بر اساس معیارهای عملی مانند حساسیت یا هزینه تنظیم می‌کنند. در نهایت، روش‌های ترکیبی می‌توانند تعادل مناسبی میان دقت نظری، استحکام آماری و کاربرد عملی ایجاد کنند</span>.<b> </b></span></span></span></span><br> <span style="font-size:12pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" times=""><span b="" lang="AR-SA" zar="">در همین راستا وزن‌دهی در پژوهش‌های پزشکی برای هماهنگ‌ سازی مدل‌های آماری با پیچیدگی‌های واقعی نظام‌های زیستی ضروری است. روش‌های ذهنی بر قضاوت خبرگان متکی‌اند و در نبود داده کافی مفیدند، اما ممکن است با سوگیری همراه باشند. این مقاله مروری، با تبیین ضرورت وزن‌ دهی، نشان می‌دهد که چرا نادیده گرفتن تفاوت میان متغیرها می‌تواند اعتبار تحلیلی پژوهش‌ها را کاهش دهد. سپس فلسفه و منطق وزن‌دهی بر اساس منابع تعیین وزن، شامل دانش نظری و قضاوت خبرگان، ساختار داده‌ها، مدل‌های علّی، اهداف تصمیم‌گیری و رویکردهای ترکیبی بررسی می‌شود. در ادامه، روش‌های وزن‌دهی بر اساس یک معیار منطقی طبقه‌بندی شده و به پنج دسته‌ی اصلی شامل روش‌های ذهنی، عینی، ساختاری، مبتنی بر تصمیم‌گیری و ترکیبی تقسیم می‌گردند. برای هر دسته، کاربردها، مزایا و محدودیت‌ها در مطالعات پزشکی و بهداشتی تشریح می‌شود. در نهایت، مقاله تأکید می‌کند که انتخاب آگاهانه و شفاف روش وزن‌دهی، نقشی کلیدی در افزایش دقت، تفسیر پذیری و کاربرد پذیری نتایج پژوهش دارد</span>.<b> </b></span></span></span></span><br> &nbsp;</span> <span style="line-height:2;"><span style="font-size:12pt"><span new="" roman="" times=""><span style="font-size:10.0pt">In many scientific studies, the assumption that all variables are equally important can lead to oversimplification and misinterpretation of results. Variable weighting is a systematic approach that reflects the true differences among influential factors in terms of theoretical importance, explanatory power, measurement quality, and analytical objectives. Objective methods derive weights from statistical indicators and are highly repeatable; however, they may not adequately capture causal relationships. Structural methods evaluate interactions among variables within an analytical framework and are particularly suitable for multivariable studies. Decision-based methods assign weights according to practical criteria, such as sensitivity or cost. Hybrid methods integrate multiple approaches to achieve a balance between theoretical accuracy, statistical robustness, and practical applicability. In medical research, variable weighting is essential for aligning statistical models with the inherent complexity of biological systems. Subjective methods rely on expert judgment and are particularly valuable when sufficient data are unavailable, although they may be susceptible to bias. This article describes the importance of variable weighting and demonstrates how ignoring differences in variable importance can compromise the analytical validity of research findings. It further discusses the philosophy and rationale underlying weighting approaches, including theoretical knowledge and expert judgment, data structure, causal models, decision-making objectives, and hybrid approaches. Weighting methods are subsequently classified into five main categories: subjective, objective, structural, decision-based, and hybrid methods. For each category, their applications, advantages, and limitations in medical and health research are reviewed. Finally, the article emphasizes that the careful and transparent selection of an appropriate weighting method is essential for enhancing the accuracy, interpretability, and practical applicability of research findings.</span></span></span><br> &nbsp;</span> وزن‌دهی متغیرها, تصمیم‌گیری چند معیاره, شاخص‌های مرکب, روش‌شناسی پژوهش Variable weighting, Multi-criteria decision-making, Composite indices, Research methodology 200 206 http://jmums.mazums.ac.ir/browse.php?a_code=A-10-1583-5&slc_lang=fa&sid=1 Bizhan Shabankhani بیژن شعبانخانی shabankhani@yahoo.com 1003194753284600187548 1003194753284600187548 Yes Assistant Professor, Department of Biostatistics, Faculty of Public Health, Mazandaran University of Medical Sciences, Mazandaran, Iran استادیار گروه آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی مازندران