fa مقایسه مدل‌های لجستیک حاشیه‌ای با اندازه‌گیری مکرر و لجستیک شرطی در بررسی عوامل موثر بر پرفشاری خون پژوهشي-کامل Research(Original) <div style="text-align: justify direction: rtl"> <span style="font-weight: bold">سابقه و هدف :</span> دو تا از مهمترین روش‌های تحلیل برای داده های همبسته عبارتند از استفاده از مدل حاشیه‌ای با اندازه‌گیری مکرر و دیگری بکارگیری مدل‌های شرطی با خوشه‌های تصادفی می‌باشد. با توجه به دو حالتی بودن متغیر پاسخ، هدف از مطالعه حاضر مقایسه کارایی دو مدل لجستیک حاشیه‌ای با اندازه‌گیری مکرر و لجستیک شرطی با خوشه‌های تصادفی برای بررسی عوامل خطر موثر بر بیماری پرفشاری خون در استان مازندران می‌باشد. <br><span style="font-weight: bold">مواد و روش ها :</span> این مطالعه مقطعی قسمتی از طرح بررسی عوامل خطر بیماری‌های غیر واگیردار استان مازندران در سال 1386 با حجم نمونه 1000 نفر بود. روش نمونه‌گیری بصورت طبقه‌ای و در داخل طبقات بصورت تصادفی خوشه‌ای یک مرحله‌ای بود. در تمامی افراد فشار خون سه بار به روش استاندارد اندازه‌گیری شد. داده‌های حاصل با استفاده از آزمون Çhi-square و برازش مدل‌های لجستیک حاشیه‌ای و شرطی مورد تجزیه و تحلیل قرار گرفت. <br> <span style="font-weight: bold">یافته ها :</span> از مجموع 1000 فرد (500 مرد و 500 زن) مورد مطالعه، 38درصد دارای بیماری پرفشاری خون بوده‌اند. در هر دو مدل، متغیرهای گروه سنی، فعالیت بدنی، نمایه توده بدنی و مصرف میوه و سبزی از عوامل تاثیرگذار بر پرفشاری خون شناخته شدند. اضافه بر این متغیرهای جنسیت و قند خون ناشتا فقط در مدل لجستیک حاشیه‌ای معنی‌دار آماری گردید. با استفاده از معیارهای نیکویی برازش، مقادیر تمامی آماره‌ها برای مدل لجستیک شرطی با اثر تصادفی افراد نسبت به مدل لجستیک حاشیه‌ای با اندازه‌گیری مکرر، کمتر بدست آمد. <br><span style="font-weight: bold">استنتاج : </span>اگرچه نمی‌توان با قاطعیت مدل مشخصی را به عنوان مناسب‌ترین مدل معرفی کرد ولی از میان دو مدل مذکور، مدل لجستیک شرطی تا حدودی برازش بهتری داشته و می‌توان برای تحلیل چنین داده‌هایی از آن بهره برد. </div> <span style="font-weight: bold">Background and purpose: </span>To analyze the data in which the correlation between observations are to be considered, a general method is using marginal model with repeated measures, yet there is another method called conditional model with random clusters. Âccording to the binary responses, the aim of the present study is to compare the efficiency of these two models in studying the risk factors affecting hypertension in Mazandaran province. <br> <span style="font-weight: bold">Materials and methods: </span>This cross-sectional study is part of research studying the risk factors of the non-infectious diseases in Mazandaran province in 2007 with a sample size of 1000 cases. First, stratified sampling was employed and then random cluster sampling was used in each stratum. Ïn all cases, blood pressure was measured three times through standard methods. The obtained data were analyzed using test and fitting marginal and conditional logistic models. <br> <span style="font-weight: bold">Results: </span>Ôf the total of 1000 (500 male and 500 female) cases, 38 percent had high blood pressure. Ïn both models four variables of age, physical activity, body-mass-index, and the consumption of fruits and vegetables were identified as factors affecting hypertension. Ïn addition, gender and fasting blood sugar were statistically significant only in marginal logistic model. Üsing goodness-of-fit criteria, values of all the statistics for conditional logistic model with random effects of individuals were lower in comparison with the marginal logistic model with repeated measures. <br><span style="font-weight: bold">Çonclusion:</span> Ït can be concluded that although one cannot decisively select a model as the most appropriate one, conditional logistic model fits were somewhat better than the marginal logistic model with repeated measures, so it can be used to analyze such data. بیماری پرفشاری خون، مدل لجستیک حاشیه‌ای با اندازه‌گیری مکرر، مدل لجستیک شرطی با خوشه‌های تصادفی، معیارهای برازش Hypertension, marginal logistic model with repeated measures, conditional logistic model with random clusters, goodness-of-fit criteria 27 35 http://jmums.mazums.ac.ir/browse.php?a_code=A-10-31-20&slc_lang=fa&sid=1 N Gilani ندا گیلانی 10031947532846003753 10031947532846003753 No A Kazemnejad انوشیروان کاظم نژاد kazem_an@modares.ac.ir 10031947532846003754 10031947532846003754 Yes F Zayeri فرید زایری 10031947532846003755 10031947532846003755 No J Yazdani جمشید یزدانی 10031947532846003756 10031947532846003756 No