fa مقایسه مدل رگرسیون لجستیک چند سطحی با مدل رگرسیون لجستیک معمولی در بررسی عوامل مؤثر بر بروز از دست رفتن اتصال بالینی پریودونشیوم عمومى General پژوهشي Research <br> مقدمه و اهداف: بیماری پریودنتال از شایع‌ترین بیماری‌های دهان و دندان است که در مراحل پیشرفته باعث از دست رفتن اتصال بالینی (CAL>3mm) می‌شود. در این مطالعه با استفاده از مدل کلاسیک و مدل‌هایی که ساختار سلسله مراتبی داده‌ها را در نظر می‌گیرند، برآورد ضرایب عوامل مؤثر بر ازدست رفتن اتصال بالینی محاسبه و مورد مقایسه قرار گرفت.<br> روش کار: این مطالعه مقطعی روی 375 نفر زنان باردار و 192 نفر مادران دارای کودک سه‌ساله تحت پوشش 16 مرکز بهداشتی و درمانی علوم پزشکی شهید بهشتی انجام گردید. برای 6 دندان از هر فرد شاخص از دست رفتن اتصال بالینی بر اساس فرم استاندارد WHO توسط دندان‌پزشک ثبت شد. تحلیل داده‌ها با برازش مدل‌های رگرسیون لجستیک معمولی و رگرسیون لجستیک سه سطحی به‌وسیله نرم‌افزار 14 STATA انجام شد.<br> یافته‌ها: از کل 3402 دندان بررسی‌شده 6.3% دارای CAL>3mm بود. بر اساس نتایج به‌دست‌آمده نسبت شانس بروز ازدست رفتن اتصال بالینی در سه‌ماهه سوم بارداری نسبت به غیر باردارها 2.4 برابر و در افرادی که نخ دندان استفاده می‌کنند، نسبت به افرادی که نخ دندان استفاده نمی‌کنند 2.86 برابر، همچنین در دندان‌های خلفی 1.65 برابر دندان‌های قدامی است (005/0>P).<br> نتیجه‌گیری: بر اساس معیار AIC مدل رگرسیون لجستیک چند سطحی برازش بهتری نسبت به رگرسیون لجستیک معمولی دارد و می‌تواند ضرایب عوامل مؤثر بر CAL را دقیق‌تر برآورد نماید، در صورت استفاده از مدل رگرسیون لجستیک معمولی در داده‌های دارای ساختار سلسله مراتبی، خطای استاندارد پارامترها دچار کم‌برآوردی می‌شود. Background and Objectives: Periodontal disease is one of the most common oral health problems. Clinical attachment loss occurs in sever periodontal cases (CAL>3). In this study, we applied a classic regression model and the models that consider the hierarchical structure of the data to estimate and compare the effect of different factors on CAL.<br> &nbsp;<br> Methods: This cross-sectional study was performed in 375 pregnant women and 192 mothers of three-year-old children. The data were gathered from 16 health networks of Shahid Beheshti University of Medical Sciences, Tehran, Iran. CAL was determined for 6 teeth per person by a dentist according to WHO standard oral health examination form. Three-level and ordinary logistic regression analyses were applied for data analysis using the STATA software 14.<br> &nbsp;<br> Results: Of 3,402 examined teeth, 6.3% had CAL> 3mm. Based on the obtained results, the odds of CAL>3mm were 2.4 in the third semester compared to non-pregnant women. The odds of CAL>3mm were 2.86 in women without daily floss use compared to women with routine daily floss use. Posterior teeth were more likely to have CAL>3m than anterior teeth (OR = 1.65) (P-value < 0.05).<br> &nbsp;<br> Conclusion: According to the AIC index, multi-level logistic regression model has a better fit than ordinary logistic regression model and can estimate the coefficients of factors related to CAL>3mm more precisely. The use of the ordinary logistic regression model in hierarchical data can result in underestimated standard errors of the estimated parameters. مدل رگرسیون لجستیک چند سطحی, ساختار چند سطحی, فقدان چسبندگی کلینیکی Multilevel logistic regression model, Hierarchical structure, Clinical attachment loss 359 365 http://irje.tums.ac.ir/browse.php?a_code=A-10-1462-2&slc_lang=fa&sid=1 S Dehghani سپیده دهقانی No MSc Student of Biostatistics, Department of Biostatistics, Faculty of Paramedical Sciences, Shahid Beheshti University of Medical Sciences, Tehran, Iran دانشجوی کارشناسی ارشد آمار زیستی، گروه آمار زیستی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران A Abadi علیرضا ابدی alirezaabadi@gmail.com Yes PhD, Professor of Biostatistics, Department of Community Medicine, Faculty of Medicine, Shahid Beheshti University of Medical Sciences, Tehran, Iran; Social Determinants of Health Research Center, Shahid Beheshti University of Medical Sciences, Tehran, Iran. استاد آمار زیستی، گروه پزشکی اجتماعی، دانشکده پزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران؛ مرکز تحقیقات عوامل اجتماعی موثر بر سلامت، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران M Namdari مهشید نامداری No PhD, Assistant Professor of Biostatistics, Community Oral Health Department, School of Dentistry, Shahid Beheshti University of Medical Sciences, Tehran, Iran استادیار آمار زیستی، گروه سلامت دهان و دندانپزشکی اجتماعی، دانشکده دندان پزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران Z Ghorbani زهرا قربانی No DDS, PhD, Assistant Professor, Community Oral Health Department, School of Dentistry, Shahid Beheshti University of Medical Sciences, Tehran, Iran استادیاردندانپزشکی، گروه سلامت دهان و دندانپزشکی اجتماعی، دانشکده دندانپزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران