مجله دانشگاه علوم پزشکی

چکیده زمینه و هدف: یکی از متداول‌ترین مطالعات در حیطه علوم پزشکی جهت یافتن ریسک فاکتورها و عوامل مرتبط با بیماری‌ها مطالعات موردی – شاهدی هستند که شاخص مهم قابل محاسبه درآن OR یا خطرنسبی است. اما در این بین بعضی عوامل مخدوش‌گرکه بر پاسخ موثرند اعتبارOR به دست آمده را زیر سوال می‌برند و OR را کمتر یا بیشتر نشان می‌دهد یکی از روش‌های حذف اثر مخدوش‌گر، طراحی مطالعات matching است. رگرسیون لجستیک یکی از روش‌های متداول مدل‌سازی برای این نوع مطالعات است که در مطالعه حاضر سه روش رگرسیون لجستیک در حالت استقلال ،حاشیه ای و شرطی با هم مقایسه می شوند. مواد و روش کار: این مطالعه بر روی داده های شبیه سازی شده وابسته به هم انجام پذیرفته است. بدین ترتیب که داده ها از توزیع نرمال دو متغیره با ضریب همبستگی‌های (0،0.2،0.4،0.6،0.8) تولید می‌شوند. سپس با انتخاب نقاط برش (0.25،0.25) ، (0.25،0.15) ، (0.25،0.1) ، (0.25، 0.05 ) برای تابع احتمال تجمعی آنها این داده‌ها که از توزیع پیوسته هستند به توزیع گسسته صفر و یک که به هم وابسته هستند تبدیل می‌شوند. سپس سه مدل رگرسیون لجستیک در حالت استقلال ، حاشیه ای و شرطی به داده‌ها برازش داده می شود و OR محاسبه می شود. با10000بار تکرار مقدار صدک 2.5 و 97.5 و همچنین میانه OR سه مدل در نقاط برش ذکرشده با هم مقایسه می شوند. یافته ها: در همبستگی صفر هر سه مدلOR مشابه دارند و تغییر درنقاط باز هم ضرایب مشابه دارد. اما با افزایش میزان همبستگی بین مشاهداتOR بین مدل حاشیه ای و استقلال متفاوت نیست ولی مقدار آن با مدل شرطی متفاوت خواهد بود. به عنوان مثال در نقطه برش (0.25،0.1) و ضریب همبستگی 0.6 میانه OR به دست آمده در مدل استقلال و حاشیه ای 2.8 است ولی در مدل شرطی این مقدار 5 یعنی دوبرابر مقدار برازش شده است. نتیجه گیری: استفاده ازمدل های شرطی زمانی که همبستگی بین مشاهدات زیاد است قطعا روش صحیح‌تری است و هرچه میزان این همبستگی بالا برود میزان خطای ما در استفاده از مدل استقلال یا حاشیه ای بالا می رود. اما زمانی که همبستگی بین مشاهدات ناچیز است استفاده از سه مدل برآوردهای یکسانی می دهد