Iranian Journal of Epidemiology

fa به کارگیری مدل‌های رگرسیون لجستیک ترتیبی در مطالعات کیفیت زندگی Application of the Ordinal Logistic Regression Models in Quality of life Studies عمومى General پژوهشي Research <div style="BORDER-BOTTOM: windowtext 1pt solid BORDER-LEFT: medium none PADDING-BOTTOM: 1pt PADDING-LEFT: 0cm PADDING-RIGHT: 0cm MARGIN-LEFT: 0cm BORDER-TOP: windowtext 1pt solid MARGIN-RIGHT: 87.6pt BORDER-RIGHT: medium none PADDING-TOP: 1pt mso-element: para-border-div mso-border-top-alt: solid windowtext .5pt mso-border-bottom-alt: solid windowtext .5pt"><p class="IJE-F-Abstract" style="BORDER-BOTTOM: medium none BORDER-LEFT: medium none PADDING-BOTTOM: 0cm MARGIN: 0cm 0cm 0pt PADDING-LEFT: 0cm PADDING-RIGHT: 0cm BORDER-TOP: medium none BORDER-RIGHT: medium none PADDING-TOP: 0cm mso-border-top-alt: solid windowtext .5pt mso-border-bottom-alt: solid windowtext .5pt mso-hyphenate: auto mso-padding-alt: 1.0pt 0cm 1.0pt 0cm" dir="rtl">مقدمه و اهداف: با توجه به افزایش گرایش به سنجش کیفیت زندگی در سال‌های اخیر و حجم گسترده پرسشنامه‌های کیفیت زندگی، تعیین روش مناسب به منظور تجزیه و تحلیل داده‌های مربوط به این مطالعات ضروری به نظر می‌رسد. هدف مطالعه حاضر، معرفی مدل‌های رگرسیون لجستیک ترتیبی به منظور تجزیه و تحلیل داده‌های کیفیت زندگی می‌باشد.<p class="IJE-F-Abstract" style="BORDER-BOTTOM: medium none BORDER-LEFT: medium none PADDING-BOTTOM: 0cm MARGIN: 0cm 0cm 0pt PADDING-LEFT: 0cm PADDING-RIGHT: 0cm BORDER-TOP: medium none BORDER-RIGHT: medium none PADDING-TOP: 0cm mso-border-top-alt: solid windowtext .5pt mso-border-bottom-alt: solid windowtext .5pt mso-hyphenate: auto mso-padding-alt: 1.0pt 0cm 1.0pt 0cm" dir="rtl">روش کار: داده‌های این مطالعه مقطعی برگرفته از اطلاعات مطالعه‌ای در زمینه بررسی کیفیت زندگی 938 دانش آموز انجام شده است. برای تحلیل داده‌ها نتایج دو مدل رگرسیون لجستیک دوحالتی و مدل‌های رگرسیون لجستیک ترتیبی با هم مقایسه شده است.<p class="IJE-F-Abstract" style="BORDER-BOTTOM: medium none BORDER-LEFT: medium none PADDING-BOTTOM: 0cm MARGIN: 0cm 0cm 0pt PADDING-LEFT: 0cm PADDING-RIGHT: 0cm BORDER-TOP: medium none BORDER-RIGHT: medium none PADDING-TOP: 0cm mso-border-top-alt: solid windowtext .5pt mso-border-bottom-alt: solid windowtext .5pt mso-hyphenate: auto mso-padding-alt: 1.0pt 0cm 1.0pt 0cm" dir="rtl">نتایج: نتایج آزمون نیکویی برازش نشان داد که هر سه مدل به خوبی برازش شده بود. بر اساس برازش مدل‌های رگرسیون لجستیک ترتیبی سه متغیر از متغیر‌های توضیحی از نظر آماری با پاسخ مرتبط بودند در حالیکه بر اساس برازش مدل رگرسیون لجستیک دوحالتی که پس از ترکیب دو طبقۀ متغیر پاسخ تنها دو متغیر معنی‌دار بود. بنابراین باید تا حد امکان از ترکیب کردن طبقه‌های متغیر پاسخ خودداری نمود، زیرا این امر منجر به از دست رفتن اطلاعات می‌شود.<p class="IJE-F-Abstract" style="BORDER-BOTTOM: medium none BORDER-LEFT: medium none PADDING-BOTTOM: 0cm MARGIN: 0cm 0cm 0pt PADDING-LEFT: 0cm PADDING-RIGHT: 0cm BORDER-TOP: medium none BORDER-RIGHT: medium none PADDING-TOP: 0cm mso-border-top-alt: solid windowtext .5pt mso-border-bottom-alt: solid windowtext .5pt mso-hyphenate: auto mso-padding-alt: 1.0pt 0cm 1.0pt 0cm" dir="rtl">نتیجه‌گیری: به طور کلی می‌توان گفت برای تجزیه و تحلیل داده‌های کیفیت زندگی به دلیل ماهیت متغیر پاسخ، مدل‌های رگرسیون لجستیک ترتیبی با توجه به برآورد پارامترهای کمتر و سهولت تفسیر نتایج، مناسب می‌باشند.</div> Background & Objectives: Due to the increasing tendency to measure the quality of life in recent years and the extensive quality of life questionnaires, it is important to determine the appropriate method of analyzing data derived from these studies. The aim of the present study was to introduce ordinal logistic regression models as an appropriate method for analyzing the data of quality of life.Methods: The data was derived from a cross-sectional study on quality of life survey of 938 students. For data analysis, two binary logistic regression models and ordinal logistic regression models were used and the results of these models were compared.Results: The results of goodness of fit showed that all three models were fitted well. Based on the ordinal logistic regression models, the three variables out of the explanatory variables were statistically associated with the response while based on the binary logistic regression model, after combining two categories of response variable, only two variables were significant. Therefore, combining the categories of the response variable should be avoided as much as possible because it may lead to data loss due to ignoring some of the response categories.<span style="FONT-FAMILY: "Tw Cen MT","sans-serif" FONT-SIZE: 11pt mso-fareast-font-family: 'Times New Roman' mso-ansi-language: EN-US mso-fareast-language: EN-US mso-bidi-language: AR-SA mso-bidi-font-family: '2 Lotus'">Conclusion<span style="FONT-FAMILY: "Calibri","sans-serif" FONT-SIZE: 11pt mso-fareast-font-family: 'Times New Roman' mso-ansi-language: EN-US mso-fareast-language: EN-US mso-bidi-language: FA mso-bidi-font-family: Arial">: <span style="FONT-FAMILY: "Tw Cen MT","sans-serif" FONT-SIZE: 11pt mso-fareast-font-family: 'Times New Roman' mso-ansi-language: EN-US mso-fareast-language: EN-US mso-bidi-language: AR-SA mso-bidi-font-family: '2 Lotus'">It is concluded that to analyze quality of life data, due to the nature of the response variable, ordinal logistic regression models are recommended considering the fewer parameter estimates and easier interpretation of the results کیفیت زندگی, مدل‌های رگرسیون لجستیک ترتیبی, مدل رگرسیون لجستیک Binary Quality of life, Ordinal logistic regression models, Binary Logistic Regression Model 15 24 http://irje.tums.ac.ir/browse.php?a_code=A-10-25-5060&slc_lang=fa&sid=1 Z Asadollahi زهرا اسداللهی asadollahi.zahra@gmail.com Yes دانشکده پزشکی، دانشگاه علوم پزشکی رفسنجان P Jafari پیمان جعفری No دانشکده پزشکی، دانشگاه علوم پزشکی شیراز M Rezaeian محسن رضائیان No دانشکده پزشکی، دانشگاه علوم پزشکی رفسنجان