بررسي پيشگويي مصدوميت منجر به بستري موتورسواران: مطالعه مورد- شاهدي

Investigation of predictors of injury leading to motorcyclist hospitalization: A case-control study

مقدمه و هدف: حوادث ترافيكي جاده­اي يكي از مشكلات جدي بهداشت عمومي در دنيا مي­ باشد كه پيشگيري از آن ضروري است. از آنجايي­كه، مدل معادلات ساختاري تعميم ­يافته روشي براي آزمون دقيق مدل­هاي نظري و مدل­سازي­ هاي عليتي مي­باشد. هدف مطالعه حاضر، تعيين پيشگويي كننده‌هاي مصدوميت منجر به بستري موتورسواران با در نظر گرفتن نقش ميانجيگري متغير MRBQ براي متغيرهاي زمينه­ اي و بيش­فعالي در يك مطالعه مورد- شاهدي توسط مدل GSEM مي­ باشد. مواد و روش­ ها: در مطالعه حاضر، تعداد 303 مورد (موتورسواران مرد ترومايي) و 153 كنترل (موتورسواران مرد غيرترومايي) براساس نمونه­ گيري تصادفي خوشه ­اي انتخاب شدند. از پرسشنامه­ هاي MRBQ، ADHD و چك ليست محقق ساخته استفاده شد. براي بررسي روابط خطي مستقيم و غيرمستقيم متغيرها در قالب مدل مفهومي و با توجه به متغير پاسخ دوحالتي از GSEM استفاده شد. تحليل داده­ ها توسط نرم­افزار STATA14 انجام گرفت. يافته ­ها: پيش­ بيني ­كننده­ هاي آسيب: رفتارهاي حركتي 0موتورسواران، بيش ­فعالي و مشخصات دموگرافيك بودند. به­ طوريكه، رابطه خطي مثبت، معني­ دار و مستقيم بين شانس رخداد آسيب با صحبت كردن به­ وسيله تلفن همراه (OR= 2.22, P= 0.010)، رانندگي در ساعات تاريك(OR= 1.01, P= 0.001)، داشتن كودك بيش ­فعال(OR= 1.65, P= 0.057) و رفتار حركتي موتورسواران (OR= 1.27, P= 0.092) بود، درحاليكه رابطه معكوس و معني­ داري بين شانس رخداد آسيب با وضعيت تأهل (OR= 0.43, P= 0.002),و تحصيلات دانشگاهي (OR= 0.29, P= 0.001) مشاهده شد. نتيجه­ گيري: بر مبناي نتايج بدست آمده، برنامه­ هاي مداخله ­اي، درمورد افراد بيش ­فعال، كساني­كه از تلفن همراه در حين رانندگي استفاده مي­ كنند و در ساعت ­هاي تاريك رانندگي مي ­كنند، بسيار توصيه مي­ شود.

Background and Aim: Traffic and its related problems are among the most important public health concerns in the world and prevention of these problems are necessary. GSEM model is a method to test of theoretical models and causal modeling exactly. The objective of the present study was to investigate the predictors of injuries leading to hospitalization of motorcyclists considering MRBQ as a mediator in this case-control study, using a generalized structural equation modeling (GSEM). Methods: In this case-control study, we selected 303 cases (motorcyclists admitted for a traumatic condition) and 153 controls (motorcyclists admitted for a non-traumatic condition) using a cluster random sampling method in Tabriz, Iran. We used motorcycle-riding behavior questionnaire (MRBQ), Attention-deficit/hyperactivity disorder (ADHD) questionnaire, and a researcher-made checklist. GSEM model was used to examine the direct linear and indirect linear relationships of variables in the conceptual model, considering the binary response variable of the model. Data analysis was performed by STATA14 software. Results: The predictors of injury were: MRBQ, ADHD, and demographic charcteristics. The results indicated significant linear and direct relationships between odds of injury and cell phone answering (OR= 2.22, P= 0.010), hyperactive child (OR= 1.65, P= 0.057), dark hour riding (OR= 1.01, P= 0.001) and MRBQ (OR= 1.27, P= 0.092), while there were significant inverse relationships between injury and marital status (OR= 0.43, P= 0.002), and academic education (OR= 0.29, P= 0.001). Conclusions: According to the results of our study, intervention programs on the ADHD, use of cell phone while driving, and dark hour riding are highly recommended.