مجله دانشگاه علوم پزشکی

چکیده زمینه و هدف: در برخی مطالعات مانند مطالعات مورد-شاهدی برای انتخاب افراد بیمار و سالم از نمونه‌گیری پیچیده استفاده می‌شود، اما این امر اغلب در تحلیل‌ها نادیده گرفته می‌شود و روش معمولی حداکثر درستنمایی برای برآورد ضرایب مدل رگرسیون لجستیک بکار می‌رود. هدف مطالعه حاضر این است که مدل رگرسیون وزن‌دار را به داده‌های حاصل از نمونه‌گیری پیچیده در مورد عوامل مرتبط با شلی عضلات لگنی برازش و با روش معمولی و پس‌طبقه‌بندی مقایسه کند. مواد و روش کار: داده‌های به‌کار رفته در این مطالعه با استفاده از نمونه‌گیری پیچیده از بین زنان شهری چهار استان کشور جمع‌آوری شده است. متغیرهای سن، تحصیلات، شاخص توده بدنی، سن ازدواج، تعداد بارداری، تعداد زایمان، تعداد زایمان واژینال و تعداد سقط با استفاده از پرسشنامه بدست آمده است. متغیر شلی عضلات لگنی (داشتن یا نداشتن) به‌عنوان متغیر وابسته در نظر گرفته شده است. مدل‌های رگرسیون لجستیک معمولی، پس‌طبقه‌بندی و وزن‌دار به داده‌ها برازش داده شدند. برای مقایسه نیکویی برازش سه مدل فوق از تحلیل منحنی راک استفاده شد. یافته‌ها: خطاهای استاندارد برای تمام برآوردها در روش پس‌طبقه‌بندی و وزن‌دار تقریباً با هم برابر و نسبت به روش معمولی بزرگ‌تر بودند. تعداد زایمان طبیعی، سن، کار در بیرون از منزل و شاخص توده‌ی بدنی در روش معمولی ارتباط معنی‌داری با خطر ابتلا به شلی عضلات لگنی داشتند، اما در بقیه متغیرها ارتباط معنی‌داری مشاهده نشد. سطح زیر منحنی راک در مدل معمولی، پس‌طبقه‌بندی و وزن‌دار به‌ترتیب 75/0، 72/0 و 73/0 بدست آمد. نتیجه‌گیری: نتایج نشان می‌دهد که وزن‌دهی علی‌رغم اینکه اریبی برآوردها را با تعدیل خطاهای نمونه‌گیری کاهش می‌دهد، لزوما باعث کاهش واریانس نمی‌شود.