دوره 12، شماره 4 - ( زمستان 1396 )                   جلد 12 شماره 4 صفحات 527-518 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Hajiabbasi S, Rahgozar M, Biglarian A, Jalali A, Azadchehr M J. Identifying Some Risk Factors for the Time to Death of the Elderly Using the Semi-Parametric Blended Model of Survival Analysis With Competing Risks. Salmand: Iranian Journal of Ageing 2018; 12 (4) :518-527
URL: http://salmandj.uswr.ac.ir/article-1-1382-fa.html
حاجی عباسی سمانه، رهگذر مهدی، بیگلریان اکبر، جلالی آرش، آزاد چهر محمد‌جواد. شناسایی برخی عوامل خطر زمان تا مرگ سالمندان، با به‌کارگیری مدل آمیخته نیمه‌پارامتری مخاطرات رقیب تحلیل بقا . سالمند: مجله سالمندی ایران. 1396; 12 (4) :518-527

URL: http://salmandj.uswr.ac.ir/article-1-1382-fa.html

شناسایی برخی عوامل خطر زمان تا مرگ سالمندان، با به‌کارگیری مدل آمیخته نیمه‌پارامتری مخاطرات رقیب تحلیل بقا
سمانه حاجی عباسی1 ، مهدی رهگذر* 2، اکبر بیگلریان1 ، آرش جلالی3 ، محمد‌جواد آزاد چهر1
1- گروه آمار زیستی، دانشگاه علوم بهزیستی و توانبخشی، تهران، ایران.
2- گروه آمار زیستی، دانشگاه علوم بهزیستی و توانبخشی، تهران، ایران. ، m_rahgozar2003@yahoo.com.au
3- مرکز قلب تهران، دانشگاه علوم پزشکی تهران، تهران، ایران.
واژه‌های کلیدی: سالمندی، مدل آمیخته نیمه پارامتری، مخاطرات رقیب، تحلیل بقا
متن کامل [PDF 3992 kb]   (2551 دریافت)     |   چکیده (HTML)  (11319 مشاهده)
متن کامل:   (15999 مشاهده)
مقدمه
اگر چه سالمندی به صورت تدریجی اتفاق میفتد، از لحاظ سنی، معمولاً سالمندی را به طور قراردادی مترادف با آغاز 60سالگی می‌دانند. به عبارتی دیگر، سالمندان افرادی هستند که سن آن‌ها بیش از 60 سال باشد [1]. کاهش تدریجی میزان موالید و مرگ‌ومیر و به موازات آن افزایش امید به زندگی، باعث افزایش تعداد سالمندان جهان شده است [2].
هر سال 7/1 درصد به جمعیت جهان افزوده می‌شود. در حالی که این افزایش برای جمعیت 65 سال و بیشتر، 5/2 درصد است. این ترکیب سنی، جمعیت جهان را به سوی سالمند شدن سوق می‌دهد [3]. تا جایی که در سال 2050 تعداد سالمندان در جهان بالغ بر دو میلیارد نفر برآورد می‌شود [4]. ایران نیز از پدیده سالمندشدن جمعیت بی‌نصیب نبوده است. در حال حاضر نرخ رشد جمعیت در کشور 6/1 درصد است. این در حالی است که نرخ رشد جمعیت سالمندی 5/2 درصد است و پیش‌بینی می‌شود که تا سال 1400 شمار سالمندان کشور به 10میلیون نفر برسد [3]. با افزایش تعداد سالمندان تعداد مرگ در جامعه روندی صعودی خواهد داشت و به دنبال آن نرخ مرگ‌ومیر در این گروه سنی صعودی خواهد شد. 
بیشترین علت مرگ در بین سالمندان ناشی از بیماری‌های قلبی‌عروقی است [5]. بیماری‌های قلبی‌عروقی شایع‌ترین علت مرگ‌ومیر در اکثر کشورهای جهان است [6]. این بیماری‌ها موجب مرگ 16میلیون انسان شده است که 82 درصد آن در کشورهای درحال‌توسعه مشاهده می‌شود [7]. در ایران اولین و شایع‌ترین علت مرگ سالمندان، بیماری‌های قلبی‌عروقی است [8]. بیماری‌های قلبی‌عروقی با 17میلیون مرگ در سال مهم‌ترین علت مرگ‌ومیر در جهان است [9]. اولین علت مرگ در ایران با 3/39 درصد کل مرگ‌ها، ناشی از بیماری‌های قلبی‌عروقی است [10]. در دوران سالمندی بیماری‌های قلبی‌عروقی، پرفشاری خون، دیابت و سرطان شایع‌تر است [11]. بنابراین در تحلیل داده‌های جمع‌آوری شده، بیماری‌های قلبی‌عروقی سالمندان یکی از عوامل خطر مهم تلقی شد. 
در برخی مطالعات زمان از شروع درمان تا وقوع رویدادی مهم‌، ارزیابی می‌شوند که در بیشتر مواقع پیشامد مد نظر را برای تمام بیماران نمی‌توان مشاهده کرد، زیرا مدت‌زمان پیگیری بیماران، نامحدود نیست و با ارتباط با بیماران در زمان پیگیری از دست می‌رود. روش‌های توسعه‌یافته برای تحلیل زمان تا وقوع حادثه مدنظر و برای یافتن برآوردهایی معتبر و سازگار در حضور مشاهدات ‌سانسور شده، تحلیل بقا نامیده می‌شود [12]. در بسیاری از تحقیقات ‌پزشکی، بیماران اغلب بیش از یک پیشامد را تجربه می‌کنند. در علم آمار چنین داده‌هایی که دو یا چند پیشامد ممکن است موجب وقوع حادثه مدنظر برای بیماران باشد، با مدل‌های مخاطرات رقیب تحلیل می‌شوند که خود باعث تغییر در احتمال رخداد پیشامد مدنظر می‌شود [13].
از طرفی مدل‌های آمیخته بقا از جمله روش‌های آماری هستند که به دلیل انعطاف‌پذیری زیاد در مدل‌بندی‌ پدیده‌های ‌تصادفی بقا به‌ طورگسترده‌ای به ‌کار می‌روند [14]. توزیع‌های استفاده‌شده در این مدل، در واقع ترکیبی از مدل‌های آماری هستند که در تحلیل داده‌های آن نمونه‌گیری از جامعه‌ ناهمگنی انجام شده است و هر ‌مؤلفه از زیر مجموعه جامعه، تابع چگالی متفاوتی دارد [15]. در این مطالعه، هدف برازش مدل آمیخته نیمه‌پارامتری در حضور مخاطرات رقیب بر زمان تا مرگ سالمندان مقیم سرای سالمندی و برآورد پارامترها بوده است. 
روش مطالعه
روش مطالعه، از نوع هم‌گروهی تاریخی بود. داده‌ها از پرونده‌های مربوط به 510 سالمند بیشتر از 60 سال بود که از اوایل سال 1379 تا اواخر سال 1391 در سرای سالمند گلابچی کاشان پذیرش شده بودند. در این مطالعه اطلاعات مورد نیاز از پرونده‌های سالمندان به‌صورت تمام‌شماری جمع آوری شد. در طول مطالعه، زمان تا مرگ سالمندان یکی از حوادث مرگ، ترخیص‌شدن و زنده‌ماندن تا پایان مطالعه را تجربه کرده بودند. مرگ به‌عنوان حادثه مدنظر و دو مورد دیگر به‌عنوان داده سانسورشده، منظور شدند. متغیرهای مستقل تحت مطالعه مربوط به زمان تا مرگ سالمندان عبارت بودند از: جنس، سن در آغاز پذیرش، فشار خون، چربی خون، وضعیت تحرک، سابقه سکته قلبی، سابقه سکته مغزی و مشکل کلیوی. متغیر وابسته، مدت زمان اقامت در سرای سالمندی بود که از اختلاف تاریخ پذیرش تا تاریخ خروج از مطالعه با مقیاس ماه محاسبه شد [16]. یکسان‌نبودن بیماران، اغلب در تحلیل داده‌های پزشکی نادیده گرفته می‌شود و نتایج‌ اغلب به گونه‌ای گزارش می‌شود که تغییرات بالقوه موجود از یک بیماری به بیمار دیگر اغلب نادیده گرفته می‌شود. 
از طرفی دیگر در علم پزشکی، معمولاً درمان فردی اهمیت فراوانی دارد، ولی به‌ کارگیری مدل‌های آمیخته آماری برای تحلیل داده‌هایی که نمونه‌ای از افراد ناهمگون جامعه باشند، می‌تواند ما را در رسیدن به تحلیل درست یاری‌ کند [17]. از ویژگی‌های دیگر به‌کارگیری این روش، می‌توان به نیازنداشتن به پیش فرض استقلال مخاطرات ‌رقیب و برآورد هم‌زمان پارامترها اشاره کرد [19 ،18 ،14]. برای تحلیل داده‌ها از مدل آمیخته نیمه‌پارامتری مخاطرات رقیب در تحلیل بقا استفاده شد و برای برآورد پارامترهای مدل، الگوریتم بیشینه مورد انتظار-شرطی  ECM به کار رفت [12]. 
در مدل به‌کاررفته، معیار تصمیم‌گیری برای معنادارشدن شاخص‌های نسبت شانس و نسبت مخاطره، فواصل اطمینان هستند. چنانچه هر فاصله اطمینان تصادفی، عدد یک را دربرداشته باشد، با احتمال 95 درصد، فرض آماری مربوطه، یعنی بی‌اثربودن متغیر مستقل مدنظر، پذیرفته می‌شودو چنانچه یک در فاصله اطمینان نباشد، با احتمال 95 درصد، متغیر مدنظر در مدل به‌کاررفته معنادار است. داده‌ها جمع‌آوری‌شده یک‌بار به‌صورت تک‌متغیره و به‌طور جداگانه برای هر یک از متغیر‌های مستقل و بار دیگر به‌ صورت چندمتغیره با وارد کردن تمام متغیر‌های مستقل در مدل به‌طور هم‌زمان، تحلیل شد. حادثه مدنظر، مرگ سالمند بوده است. سالمندانی که تا پایان مطالعه حادثه مرگ برایشان حادث نشده بود، به‌عنوان داده سانسورشده بر اساس متغیر زمان تلقی شدند. مرگ ناشی از بیماری‌های قلبی‌عروقی به‌عنوان حادثه مهم مدنظر و دیگر علل مرگ سالمندان به‌ عنوان مخاطره رقیب در مدل در نظر گرفته شده‌اند. کمیته اخلاقی دانشگاه علوم بهزیستی و توانبخشی تهران این پژوهش را تأیید کرده است (IR.USWR.REC.1394.241). برای تحلیل داده‌ها از نرم‌افزار R نسخه 1-3-3 استفاده شد. 
یافته‌ها
از 510 سالمند بررسی‌شده، 71 درصد (362 نفر) زن بودند. میانه سن سالمندان تحت مطالعه 11/81 سال بود که به‌عنوان مقطع گروه‌بندی در متغیر سن استفاده شده است. همچنین میانگین سن سالمندان 35/80 سال با انحراف معیار 18/9 سال است. کمترین و بزرگ‌ترین سن سالمندان مطالعه شده به ترتیب 60 و 121 سال بود. 4/19 درصد (99 فرد) با علل قلبی و 1/44 درصد (225 فرد) با علل غیر قلبی فوت کرده بودند. 5/36 درصد باقی‌مانده از سالمندان (186 فرد) تا پایان مطالعه یا زنده مانده‌اند  یا تا پایان مطالعه مرخص شده‌اند که به‌عنوان داده سانسورشده در مطالعه بررسی شدند. نتایج حاصل از مدل‌های تک‌متغیره برازش شده در جدول شماره 1 درج شده است.
بر اساس جدول شماره 1، در برازش مدل‌ها به‌صورت تک‌متغیره عواملی نظیر سن ((42/3 ,35/1)=CI ;22/3=) و وضعیت حرکتی ((82/0 , 21/0)=CI ;84/0=)، بر زمان تا مرگ سالمندان دچار بیماری‌های قلبی-عروقی دارای اثر معنادار بودند. 
مشکل کلیوی ((48/2 ,05/1)=CI ;29/1=)، سن ((60/3 ,36/1)=CI ;92/2=)، سابقه فشار خون ((14/2 ;20/1)=CI ;64/1=)، سابقه سکته مغزی ((08/2 ,07/1)=CI ;57/1=)، سابقه سکته قلبی ((41/2 ,19/1)=CI ;43/1=)، بر زمان تا مرگ سالمندان با علل غیر قلبی دارای اثر معنادار بودند.
همچنین در بررسی مدل به‌صورت تک متغیره، برای فرد سالمندی که سابقه سکته قلبی دارد، نسبت آمیختگی مرگ با علل قلبی برابر است با 52/0 و نسبت آمیختگی مرگ غیرقلبی در سالمندی که سابقه سکته قلبی دارد، 48/0 است.
جدول شماره 2، برآورد پارامتر‌ها از برازش مدل با 8 متغیر مستقل را به‌طور هم‌زمان نشان می‌دهد. در برازش این مدل چند متغیره، عوامل سابقه فشار خون بالا ((83/2 ,05/2)=CI;12/2=)، سابقه سکته قلبی ((37/5 , 20/1)=CI; 22/3=) و سابقه سکته مغزی ((67/3 , 67/1)=CI; 66/2=) در برآورد حاصل از برازش مدل رگرسیون لجستیک اثر معنادار دارند. با ثابت نگهداشتن اثر دیگر متغیرها، نشان داده می‌شود که احتمال مرگ با علل قلبی در مردان کمتر از زنان است. (79/0=، با فاصله اطمینان (02/1 ,53/0)).
در برازش مدل چند متغیره برآوردهای تابع بقا با مخاطره رقیب از علل قلبی متغیر سن دارای اثر معنادار بوده است ((63/3 , 09/1)=CI; 18/2=). همچنین با ثابت نگهداشتن اثر دیگر متغیرها، خطر مرگ با مخاطره رقیب علل قلبی در سالمندانی که مشکل کلیوی دارند 58/1 برابر سالمندانی است که مشکل کلیوی ندارند (58/1=، با فاصله اطمینان (93/1 , 55/0)).
در برآوردهای حاصل از برازش تابع بقا با مخاطره رقیب علل غیر قلبی در حالت چندمتغیره متغیر مشکل کلیوی ((83/2 , 08/1)=CI; 84/1=)، سن ((42/3 ,16/2)=CI; 77/2=)، وضعیت حرکتی((81/0 , 48/0)=CI; 64/0=) و چربی خون بالا ((06/3 ,39/1)=CI; 16/2=) در مدل چند متغیره و مرگ با علل غیر قلبی اثر معنادار داشته است. با ثابت نگهداشتن اثر دیگر متغیرها، خطر مرگ با مخاطره رقیب علل غیر قلبی در سالمندانی که مشکل کلیوی دارند 84/1 برابر سالمندانی است که مشکل کلیوی ندارند (84/1=، با فاصله اطمینان (83/2 , 08/1)).
بحث
نتایج تحلیل چند متغیره نشان داد که با ثابت نگهداشتن اثر دیگر متغیرها، متغیر مشکلات کلیوی اثر معناداری بر زمان تا مرگ سالمندان مقیم سرای سالمندی دارد. این نتیجه با نتایج مطالعه توماس و همکاران که براساس داده‌های 188 کشور در بین سال‌های 1990 تا 2013 نشان‌دهنده ارتباط 4 درصد مرگ‌ها در جهان (حدود 2/2 میلیون مرگ) با کاهش عملکرد کلیه است، هم‌خوانی دارد. طبق آن مطالعه بیش از نیمی از این مرگ‌ها (2/1 میلیون مورد) مرتبط با قلب بود، در حالی که در حدود یک میلیون ناشی از نارسایی کلیه بود. از سوی دیگر، یافته‌های مطالعه تأثیر متغیر مشکلات کلیوی در مرگ سالمندان از شروع درمان تا مرگ را بر اثر عارضه غیرقلبی بیان می‌کند که با مطالعه توماس مطابقت دارد [20]. در مطالعه‌ای که بلوم و همکاران بر روی سالمندان انجام دادند، مشخص شد که با افزایش سن، میزان مرگ به علت بیماری های قلبی و عروقی افزایش می‌یابد که با یافته‌های پژوهش مطابقت دارد. این میزان در سنین 64-55 سال، 74-65 سال و 84-75 سال به ترتیب 18، 29 و 49 درصد است و در 85 سال و بیشتر به 71 درصد می‌رسد [21].
در تحلیل‌های تک‌متغیره، اثر معنادار سابقه سکته مغزی بر زمان تا مرگ سالمندان با علت بیماری‌های قلبی‌عروقی وجود دارد. این یافته با نتایج مطالعه محجوب و همکاران هم‌خوانی دارد [22]. همچنین اثر سابقه سکته قلبی بر زمان تا مرگ سالمندان به‌ علت بیماری‌های قلبی‌عروقی نیز معنادار است که این موضوع در نتایج مطالعه محجوب و همکاران نیز بیان شده است. از سوی دیگر در مطالعه موسوی و همکاران بیان شده است که نرخ خطر مرگ بیماران قلبی مسن بیشتر از بیماران جوان‌تر است و مخاطره این بیماران در طول زمان پیوسته افزایش می‌یابد که نتایج به‌دست‌آمده این پژوهش با آن نیز مطابقت دارد [23]. 
شریف‌نیا و همکاران در مطالعه‌ای که روی 169 بیمار قلبی زن و مرد انجام دادند، به معنادار بودن اثر جنسیت در تظاهرات بالینی سکته قلبی اشاره کردند [24]. همچنین فراست و همکاران در مطالعه‌ای که روی 455 مرگ به‌علت بیماری‌های قلب و عروقی در سالمندان بیش از 60 سال داشتند، به وجود اثر معناداری متغیر جنس بر زمان تا مرگ به‌علت بیماری‌های قلبی پی برده‌اند [25]. در هر دو مطالعه به این موضوع اشاره شده است که جنسیت در مرگ از علل قلبی و حتی در تظاهرات بالینی ناشی از سکته قلبی در زمان حیات نیز معنادار و مؤثر است. البته این با یافته‌های تحلیل چندگانه داده‌ها در احتمال رخداد مدنظر این مطالعه هم‌خوانی دارد.
نتیجه‌گیری نهایی
در برازش‌های تک‌متغیره عوامل سن، سابقه سکته قلبی، سابقه سکته مغزی و مشکلات کلیوی به عنوان عامل خطر بر زمان تا وقوع مرگ سالمندان شناسایی شدند. همچنین در برازش چندمتغیره عامل سن بر زمان تا مرگ با علل قلبی و مشکلات کلیوی، سن، وضعیت تحرک و چربی خون بالا بر زمان تا مرگ سالمندان دچار علل غیر قلبی شناسایی شدند. به همین دلیل توصیه می‌شود در شناسایی، آزمایش‌های بالینی و اقدامات درمانی، فرایندهای پیشگیرانه به‌ منظور رفع مخاطرات جدی و افزایش زمان بقای سالمندان عوامل مذکور نیز مدنظر قرار گیرد. از محدودیت‌های این مطالعه، ثبت‌نشدن دقیق همه متغیرها در پرونده‌های سالمندان و در دسترس نبودن برنامه مورد نیاز در بسته نرم‌افزاری R بود که موجب صرف زمان زیاد در تنظیم برنامه و بروز برخی مشکلات در برازش مدل می‌شد.
تشکر و قدرانی
این مقاله برگرفته از پایان‌نامه مقطع کارشناسی ارشد آمار زیستی سمانه حاجی‌عباسی است. نگارندگان این مقاله بر خود لازم می‌دانند از مسئولان مربوطه مجتمع سالمندان گلابچی کاشان و آقای آزاد‌چهر که داده بررسی‌شده را در اختیار قرار دادند، سپاسگزاری کنند. 
 
References
  1. Ameri G, Govari F, Nazari T, Rashidinejad M, Afsharzadeh P. [The adult age theories and definitions (Persian)]. Hayat. 2002; 8(1):4-13. 
  2. Farzianpour F. Arab M. Foroushani A. Morad Zali E. Evaluation of the criteria for quality of life of elderly health care centers in Tehran Province, Iran. Global Journal of Health Science. 8(7):68–76. doi: 10.5539/gjhs.v8n7p68 
  3. Goharinezhad S. Maleki M. Baradaran HR, Ravaghi H. A qualitative study of the current situation of elderly care in Iran: what can we do for the future? Global Health Action. 2016; 9(1):32156. doi: 10.3402/gha.v9.32156
  4. Noroozian M. The Elderly population in Iran. An ever growing concern in the health system. Iranian Journal of Psychiatry and Behavioral Sciences. 2012; 6(2):1-6.
  5. Carroll W, Miller GE. Heart disease among elderly Americans. Estimates for the U.S. Civilian Noninstitutionalized Population, Statistical Brief 409. Rockville: Agency for Healthcare Research and Quality; 2013.
  6. Farkhani EM, Baneshi MR, Zolala F. [Survival rate and its related factors in patients with acute myocardial infarction (Persian)]. Medical Journal of Mashhad University of Medical Sciences. 2014; 57(4):636–46.
  7. Beyranvand MR, Lorvand A, Alipour Parsa S, Motamedi MR, Kolahi AA. [The quality of life after first acute myocardial infarction (Persian)]. Pajoohande. 2011; 15(6):264-72.
  8. Andrawes WF, Bussy C, Belmin J.. Prevention of cardiovascular events in elderly people. Drugs & Aging. 2005; 22(10):859-76. doi: 10.2165/00002512-200522100-00005
  9. Sharifirad GhR. Mohebbi S. Matlabi M. [The relationship of physical activity in middle age and cardiovascular problems in old age in retired people in Isfahan, 2006 (Persian)]. Ofogh-e-Danesh. 2007; 13(2):57-63.
  10. Taghavi M. [Mortality rate in 23 province of the country in 2003 (Persian)]. Tehran: Ministry of Health; 2005.
  11. Parkash R, Choudhary SK, Singh US. A study of morbidity pattern among geriatric population in an urban Area of Udaipur Rajasthan. 2004; 29(1):35-40.
  12. Haller B. The analysis of competing risks data with a focus on estimation of cause-specific and sub-distribution hazard ratios from a mixture model [PhD thesis]. München: University of München; 2014.
  13. Choi S, Huang X. Maximum likelihood estimation of semiparametric mixture component models for competing risks data. Biometric Methodology. 2014; 70(3):588-98. doi: 10.1111/biom.12167
  14. McLachlan G, Peel D. Finite mixture model. Hoboken, New Jersey: John Wiley & Sons; 2000.
  15. Abu Bakar MR, Daud I, Ibrahim NA, Rahmatina D. Estimating a Logistic Weibull Mixture Models with Long–Term Survivors. Jurnal Teknologi. 2006;45(1):57-66. doi: 10.11113/jt.v45.323
  16. Azadchehr M, Rahgozar M, Karimloo M, Adib Haj Bageri M. [To identify some factors effective on survival of the elderly living in nursing home using Copula Competing Risk Model: Bayesian approach (Persian)]. Journal of Health Promotion Management. 2014; 3(4):46-55
  17. Schlattmann P. Medical application of finite mixture model. Berlin: Springer; 2009.
  18. Kuk AYC. A semi-parametric mixture model for the analysis of competing risks data. Australian Journal of Statistics. 1992; 34(2):169–80. doi: 10.1111/j.1467-842x.1992.tb01351.x
  19. Ng SK, McLachlan GJ. An EM-based semi-parametric mixture model approach to the regression analysis of competing-risks data. Statistics in Medicine. 2003; 22(7):1097–111. doi: 10.1002/sim.1371
  20. Thomas B, Matsushita K, Abate KH, Al-Aly Z, Ärnlöv J, Asayama K et al. Global cardiovascular and renal outcomes of reduced GFR. Journal of the American Society of Nephrology. 2017; 28(7):2167-79. doi: 10.1681/ASN.2016050562.
  21. Mahjoub H, Rusinaru D, Soulière V, Durier C, Peltier M, Tribouilloy C. Long-term survival in patients older than 80 years hospitalised for heart failure. A 5-year prospective study. European Journal of Heart Failure. 2008; 10(1):78–84. doi: 10.1016/j.ejheart.2007.11.004 
  22. Mosavy S, Soltanian AR, Roshanaei GH, Fardmal J. [Applying Aalen’s additive hazard model for analyzing 5-year survival of acute myocardial infarction patients in Bushehr (Persian)]. Journal of North Khorasan University of Medical Science. 2011; 3:161-69.
  23. Nazari R, Haghdost AA, Rezaie R, Sa'atsaz S, Chan YH et al. Difference in clinical symptoms of myocardial infarction between men and women. Iranian Journal of Critical Care Nursing. 2011; 2011; 4(1):e7081.
  24. Frost PH, Davis BR, Burlando AJ, David Curb J, Guthrie GP, Isaacsohn JL, et al. Coronary heart disease risk factors in men and women aged 60 years and older findings from the systolic hypertension in the elderly program. Circulation. 1996; 94(1):26-34. doi: 10.1161/01.cir.94.1.26
  25. Frost PH, Davis BR, Burlando AJ, Curb JD, Guthrie GP, Isaacsohn JL, et al. Coronary heart disease risk factors in men and women aged 60 years and older: ّindings from the systolic hypertension in the elderly program. Circulation. 1996; 94(1):26-34. doi: 10.1161/01.cir.94.1.26
نوع مطالعه: كاربردي | موضوع مقاله: آمار
دریافت: 1396/6/2 | پذیرش: 1396/8/27 | انتشار: 1396/10/11
فهرست منابع
1. Ameri G, Govari F, Nazari T, Rashidinejad M, Afsharzadeh P. [The adult age theories and definitions (Persian)]. Hayat. 2002; 8(1):4-13.
2. Farzianpour F. Arab M. Foroushani A. Morad Zali E. Evaluation of the criteria for quality of life of elderly health care centers in Tehran Province, Iran. Global Journal of Health Science. 8(7):68–76. doi: 10.5539/gjhs.v8n7p68 [DOI:10.5539/gjhs.v8n7p68]
3. Goharinezhad S. Maleki M. Baradaran HR, Ravaghi H. A qualitative study of the current situation of elderly care in Iran: what can we do for the future? Global Health Action. 2016; 9(1):32156. doi: 10.3402/gha.v9.32156 [DOI:10.3402/gha.v9.32156]
4. Noroozian M. The Elderly population in Iran. An ever growing concern in the health system. Iranian Journal of Psychiatry and Behavioral Sciences. 2012; 6(2):1-6. [PMID] [PMCID]
5. Carroll W, Miller GE. Heart disease among elderly Americans. Estimates for the U.S. Civilian Noninstitutionalized Population, Statistical Brief 409. Rock-ville: Agency for Healthcare Research and Quality; 2013.
6. Farkhani EM, Baneshi MR, Zolala F. [Survival rate and its related factors in patients with acute myocardial infarction (Persian)]. Medical Journal of Mash-had University of Medical Sciences. 2014; 57(4):636–46.
7. Beyranvand MR, Lorvand A, Alipour Parsa S, Motamedi MR, Kolahi AA. [The quality of life after first acute myocardial infarction (Persian)]. Pajoo-hande. 2011; 15(6):264-72.
8. Andrawes WF, Bussy C, Belmin J.. Prevention of cardiovascular events in elderly people. Drugs & Aging. 2005; 22(10):859-76. doi: 10.2165/00002512-200522100-00005 [DOI:10.2165/00002512-200522100-00005]
9. Sharifirad GhR. Mohebbi S. Matlabi M. [The relationship of physical activity in middle age and cardiovascular problems in old age in retired people in Is-fahan, 2006 (Persian)]. Ofogh-e-Danesh. 2007; 13(2):57-63.
10. Taghavi M. [Mortality rate in 23 province of the country in 2003 (Persian)]. Tehran: Ministry of Health; 2005.
11. Parkash R, Choudhary SK, Singh US. A study of morbidity pattern among geriatric population in an urban Area of Udaipur Rajasthan. 2004; 29(1):35-40.
12. Haller B. The analysis of competing risks data with a focus on estimation of cause-specific and sub-distribution hazard ratios from a mixture model [PhD thesis]. München: University of München; 2014.
13. Choi S, Huang X. Maximum likelihood estimation of semiparametric mixture component models for competing risks data. Biometric Methodology. 2014; 70(3):588-98. doi: 10.1111/biom.12167 [DOI:10.1111/biom.12167]
14. McLachlan G, Peel D. Finite mixture model. Hoboken, New Jersey: John Wiley & Sons; 2000. [DOI:10.1002/0471721182]
15. Abu Bakar MR, Daud I, Ibrahim NA, Rahmatina D. Estimating a Logistic Weibull Mixture Models with Long–Term Survivors. Jurnal Teknologi. 2006;45(1):57-66. doi: 10.11113/jt.v45.323 [DOI:10.11113/jt.v45.323]
16. Azadchehr M, Rahgozar M, Karimloo M, Adib Haj Bageri M. [To identify some factors effective on survival of the elderly living in nursing home using Copula Competing Risk Model: Bayesian approach (Persian)]. Journal of Health Promotion Management. 2014; 3(4):46-55
17. Schlattmann P. Medical application of finite mixture model. Berlin: Springer; 2009. [PMCID]
18. Kuk AYC. A semi-parametric mixture model for the analysis of competing risks data. Australian Journal of Statistics. 1992; 34(2):169–80. doi: 10.1111/j.1467-842x.1992.tb01351.x [DOI:10.1111/j.1467-842X.1992.tb01351.x]
19. Ng SK, McLachlan GJ. An EM-based semi-parametric mixture model approach to the regression analysis of competing-risks data. Statistics in Medicine. 2003; 22(7):1097–111. doi: 10.1002/sim.1371 [DOI:10.1002/sim.1371]
20. Thomas B, Matsushita K, Abate KH, Al-Aly Z, Ärnlöv J, Asayama K et al. Global cardiovascular and renal outcomes of reduced GFR. Journal of the American Society of Nephrology. 2017; 28(7):2167-79. doi: 10.1681/ASN.2016050562. [DOI:10.1681/ASN.2016050562]
21. Mahjoub H, Rusinaru D, Soulière V, Durier C, Peltier M, Tribouilloy C. Long-term survival in patients older than 80 years hospitalised for heart failure. A 5-year prospective study. European Journal of Heart Failure. 2008; 10(1):78–84. doi: 10.1016/j.ejheart.2007.11.004 [DOI:10.1016/j.ejheart.2007.11.004]
22. Mosavy S, Soltanian AR, Roshanaei GH, Fardmal J. [Applying Aalen's additive hazard model for analyzing 5-year survival of acute myocardial infarction patients in Bushehr (Persian)]. Journal of North Khorasan University of Medical Science. 2011; 3:161-69.
23. Nazari R, Haghdost AA, Rezaie R, Sa'atsaz S, Chan YH et al. Difference in clinical symptoms of myocardial infarction between men and women. Iranian Journal of Critical Care Nursing. 2011; 2011; 4(1):e7081.
24. Frost PH, Davis BR, Burlando AJ, David Curb J, Guthrie GP, Isaacsohn JL, et al. Coronary heart disease risk factors in men and women aged 60 years and older findings from the systolic hypertension in the elderly program. Circulation. 1996; 94(1):26-34. doi: 10.1161/01.cir.94.1.26 [DOI:10.1161/01.CIR.94.1.26]
25. Frost PH, Davis BR, Burlando AJ, Curb JD, Guthrie GP, Isaacsohn JL, et al. Coronary heart disease risk factors in men and women aged 60 years and old-er: ّindings from the systolic hypertension in the elderly program. Circulation. 1996; 94(1):26-34. doi: 10.1161/01.cir.94.1.26 [DOI:10.1161/01.CIR.94.1.26]
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به نشريه سالمند: مجله سالمندي ايران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Iranian Journal of Ageing

Designed & Developed by : Yektaweb