كاربرد مدل هاي شمارشي انباشته در صفر با رويكرد بيزي با هدف شناسايي عوامل مرتبط بر تعداد دفعات معافيت از اهداي مجدد خون در شهركرد

The application of zero-inflated count regression models for identifying main factors on the number of blood donor deferral in Shahrekord

زمينه و هدف: خون و فرآورده هاي حاصل از آن جايگاه ويژه اي در نظام سلامت هر كشوري دارد. هدف از اين تحقيق، مدل بندي تعداد دفعات معافيت از اهداي خون و شناسايي عوامل موثر بر آن بر اساس مدل هاي رگرسيون شمارشي انباشته در صفر با رويكرد بيزي است. روش بررسي: داده هاي تحقيق حاضر برگرفته از يك مطالعه طولي است كه در آن 864 اهداكننده خون براي بار اول و حداكثر به مدت 5 سال (از 1387 تا 1391) پيگيري شدند. تعداد دفعات معافيت از اهداي خون طي 5 سال به عنوان متغير وابسته و همچنين، جنس، وزن، سن، تحصيلات، وضعيت شغلي و تأهل به عنوان متغيرهاي مستقل استفاده شدند. تحليل داده ها بر اساس دو مدل رگرسيون پواسن انباشته در صفر و دو جمله اي منفي انباشته در صفر با رويكرد بيزي انجام گرفت. برآورد پارامترها با استفاده از روش مونت كارلوي زنجير ماركوفي (MCMC) به كمك نرم‌ افزار وين باگز (WinBUGS) و مقايسه مدل ها بر اساس معيار بيزي اطلاع ‌انحرافي (DIC) انجام شد. يافته ها: بر اساس معيار اطلاع انحرافي (DIC)، مدل رگرسيون دو جمله اي منفي انباشته در صفر به عنوان مدل بهتر انتخاب شد. از ميان متغيرهاي مستقل، فقط متغير وزن با داشتن ضريب رگرسيوني مثبت، معني ‌دار شد. نتيجه گيري: افراد با وزن بالاتر به علت مراجعه بيشتر براي اهداي خون، تعداد معافيت بيشتري داشتند؛ لذا با آموزش و اطلاع رساني به اين افراد در خصوص علل معافيت از اهداي خون مي توان تعداد معافيت آن ها را كاهش داد.

Background and aims: Blood and its products have a special role in healthy system of any country. The aim of this study was to modeling the number of blood donor deferral and detecting its main factors based on zero-inflated count regression models. Methods: The data used in this study were drawn from a longitudinal study in which 864 first-time donors were followed up for a maximum five years, from 2008 to 2013. The response variable was the number of blood donor deferral during five years. Also, sex, weight, age, marital status, education and job were used as independent variables. For analyzing data, two zero-inflated Poisson and zero-inflated negative binomial models were used by Bayesian technique. Assessment of models was carried done using Marko chain Monte Carlo methods (MCMC) by WinBUGS. Comparison of models was done using deviance information Bayesian criterion (DIC). Results: Based on the results of DIC, the zero-inflated negative binomial regression model had smaller DIC and was selected as better model. The body weight had a significant positive effect on the number of blood donor deferral. Conclusion: Donors with higher body weight returned to donation more, so, their deferral number was higher. Therefore, training and informing can reduce their blood deferral numbers.