fa عوامل مرتبط با شلی عضلات لگنی در زنان، مدل رگرسیون لجستیک وزن‌دار در مطالعات با نمونه‌گیری پیچیده علوم پایه Basic Sciences مقاله پژوهشی Orginal Research <p>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.</p> <p>Abstract Background & Objectives: The use of complex sampling designs in data collection of some studies such as case-control studies is becoming common, yet this method has often been ignored in analysis. Ordinary logistic regression is used to estimate the coefficients of model, instead. The purpose of the present study is to evaluate the fitting of weighted logistic regression compared to that of ordinary (OLR) and post stratified (PSLR) logistic regression. Materials and Methods: The data used in this study were collected using complex sampling method among urban women in four provinces of Iran. Age, educational level, BMI, marital age, number of pregnancies and abortions, total and vaginal number of deliveries were considered in this research. Dependent variable was pelvic organ prolapse. Ordinary, post-stratified and weighted logistic regression was fitted to the data. To compare models&rsquo; goodness of fit, ROC curve analysis was used. Results: In post-stratified and weighted methods the standard errors of estimates were almost equal and both larger than that of ordinary method. In ordinary method, number of vaginal deliveries, age, employment and BMI showed statistically significant association with prolapsed pelvic. Area under ROC curve in ordinary, post-stratified and weighted methods obtained as 0.75, 0.72 and 0.73, respectively. Conclusion: Results showed that although weighting reduces the bias of estimates by adjusting sampling errors, it does not necessarily shrink their variance.</p> واژه های کلیدی: نمونه‌گیری پیچیده, رگرسیون لجستیک وزن‌دار, پس‌طبقه‌بندی, پرولاپس اعضای لگن, موربیدیتی باروری Keywords: Complex Sampling, Weighted Logistic Regression, Post-Stratification, Pelvic Organs Prolapse, Reproductive Morbidity 117 123 http://journal.nkums.ac.ir/browse.php?a_code=A-10-25-303&slc_lang=fa&sid=1 B Gholami Chaboki بهاره غلامی چابکی No دانشگاه علوم پزشکی شهید بهشتی Y Mehrabi یداله محرابی Yes گروه اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران F Ramezani Tehrani فهیمه رمضانی تهرانی No دانشگاه علوم پزشکی شهید بهشتی A Kavousi امیر کاوسی No دانشگاه علوم پزشکی شهید بهشتی