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


XML English Abstract Print


1- گروه آمار زیستی، دانشگاه علوم بهزیستی و توانبخشی، تهران، ایران.
2- دکتر 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.
چکیده:   (4981 مشاهده)
اهداف  با توجه به افزایش جمعیت سالمندان ایران، آشنایی با علل مختلف در مرگ سالمندان ضروری است. هدف این مطالعه شناسایی عوامل خطر زمان بقای سالمندان با به‌کارگیری مدل آمیخته نیمه‌پارامتری مخاطرات رقیب بوده است.
مواد و روش ها این مطالعه، از نوع هم‌گروهی تاریخی بود. داده‌های مربوط به پرونده ۵۱۰ سالمند بیشتر از ۶۰ سال که از اوایل سال ۱۳۷۹ تا اواخر سال ۱۳۹۱ در سرای سالمند گلابچی کاشان پذیرش‌شده بودند، تمام شماری و مطالعه شد. به‌منظور بررسی و شناسایی برخی عوامل خطر مربوط به زمان تا مرگ سالمندان، مدل آمیخته نیمه پارامتری در حضور مخاطرات رقیب تحلیل بقا، به داده‌ها برازش شد. مرگ ناشی از بیماری‌های قلبی‌عروقی به‌عنوان حادثه مهم مدنظر و دیگر علل مرگ سالمندان به‌ عنوان مخاطره رقیب در مدل در نظر گرفته شده‌اند. برای برآورد پارامترهای مدل، الگوریتم EMC به‌کار رفت و پارامترها و حدود اطمینان آن‌ها با احتمال ۹۵ درصد، در نرم‌افزار R ۳.۳.۱ برآورد شد.
یافته ها در این داده‌ها مرگ به علل قلبی در سالمندان ۱۹ درصد و مرگ به دیگر علل ۴۴ درصد بود. ۳۷ درصد نیز به عنوان داده سانسور شده بود. در مدل‌های برازش شده تک‌متغیره سن و وضعیت حرکتی بر زمان تا مرگ سالمندان دچار بیماری‌های قلبی‌عروقی اثر معنادار داشتند. همچنین عوامل سن ((۳/۴۲, ۱/۳۵)=Cl); (HR=۳/۲۲))، مشکل کلیوی، فشار خون بالا، سابقه سکته مغزی و سابقه سکته قلبی بر زمان تا مرگ سالمندان دچار مخاطره رقیب معنادار شدند. در برازش مدل چندمتغیره، سن بر زمان تا مرگ سالمندان دچار بیماری‌های قلبی‌عروقی دارای اثر معنادار شد. همچنین عوامل سن، مشکل کلیوی، چربی خون بالا و میزان تحرک بر زمان تا مرگ سالمندان دچار بیماری‌های غیر قلبی‌عروقی به عنوان مخاطره رقیب معنادار شدند.  
نتیجه گیری 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 عوامل مشکلات کلیوی، سن، وضعیت تحرک و چربی خون بالا بر زمان تا مرگ سالمندان دچار علل غیر قلبی شناسایی شدند. 
متن کامل [PDF 4050 kb]   (322 دریافت) |   |   متن کامل (HTML)  (177 مشاهده)  
نوع مطالعه: كاربردي | موضوع مقاله: آمار
دریافت: ۱۳۹۶/۶/۲ | پذیرش: ۱۳۹۶/۸/۲۷ | انتشار: ۱۳۹۶/۱۰/۱۱

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]