fa شناسایی برخی عوامل خطر زمان تا مرگ سالمندان، با به‌کارگیری مدل آمیخته نیمه‌پارامتری مخاطرات رقیب تحلیل بقا آمار آمار كاربردي Applicable <div style="text-align: justify;"><strong>اهداف</strong>&nbsp; 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.<br> <strong>مواد و روش ها </strong>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.<br> <strong>یافته ها</strong> 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 (<span style="text-align: justify;">Cl=</span>۳/۴۲,۱/۳۵; 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.&nbsp;&nbsp;<br> <strong>نتیجه گیری</strong> 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.&nbsp;</div> <div style="text-align: justify;"><strong>Objectives</strong> As the population of elderly people in Iran is rising, determining the risk factors of their death is necessary. The purpose of this study was to identify the risk factors that reduce the survival time of elderly people.<br> <strong>Methods & Materials</strong> In a longitudinal retrospective study, data of 510 elderly people aged over 60 years, who were admitted to Kashan&rsquo;s Golabchi nursing home from 2000 to 2012 were collected and analyzed. To identify some risk factors of time to death in elderly, semi-parametric mixture competing risk model in survival analysis was fitted to the data. To estimate the model parameters, Expand-Maximize-Compress (EMC) algorithm was used and parameters and their 95% confidence intervals were estimated using R software (version 3.3.1).<br> <strong>Results</strong> In separate one-variable fitted models, the variables like high blood lipids (HR=1.04; CI =1.00, 1.31), history of myocardial infarction (HR=0.90; CI=1.04, 1.10), stroke history (HR=0.95; CI=1.00, 1.14), and deaths of elderly people with cardiovascular diseases were significant. In the fitted multivariate model, renal problems had a significant effect (HR=1.58; CI=1.77, 2.83) on time to death of elderly.&nbsp;<br> <strong>Conclusion</strong> In single-variable fitting, age, history of myocardial infarction, history of stroke, and kidney problems were identified to have significant effects on the time to death of the elderly. Based on one-variable semi-parametric competing risk mixture fitted models, more significant risk factors for the time to death of elderly was identified when compared with a fitted multivariate mode to the data. This implies that the role of some independent variables can be explained by other independent variables.</div> سالمندی, مدل آمیخته نیمه پارامتری, مخاطرات رقیب, تحلیل بقا Aging, Semi-parametric blended model, Competing risks, Survival analysis 518 527 http://salmandj.uswr.ac.ir/browse.php?a_code=A-10-2179-1&slc_lang=fa&sid=1 Samane Hajiabbasi سمانه حاجی عباسی samane.hajiabbasi@gmail.com No Department of Biostatistics, University of Social Welfare and Rehabilitation Sciences, Tehran, Iran. گروه آمار زیستی، دانشگاه علوم بهزیستی و توانبخشی، تهران، ایران. Mehdi Rahgozar مهدی رهگذر m_rahgozar2003@yahoo.com.au Yes Department of Biostatistics, University of Social Welfare and Rehabilitation Sciences, Tehran, Iran. گروه آمار زیستی، دانشگاه علوم بهزیستی و توانبخشی، تهران، ایران. Akbar Biglarian اکبر بیگلریان abiglarian@uswr.ac.ir No Department of Biostatistics, University of Social Welfare and Rehabilitation Sciences, Tehran, Iran. گروه آمار زیستی، دانشگاه علوم بهزیستی و توانبخشی، تهران، ایران. Arash Jalali آرش جلالی arjalali@tums.ac.ir No Tehran Heart Center, Tehran University of Medical Sciences, Tehran, Iran. مرکز قلب تهران، دانشگاه علوم پزشکی تهران، تهران، ایران. Mohammad Javad Azadchehr محمد‌جواد آزاد چهر azadbiostate@gmail.com No Department of Biostatistics, University of Social Welfare and Rehabilitation Sciences, Tehran, Iran. گروه آمار زیستی، دانشگاه علوم بهزیستی و توانبخشی، تهران، ایران.