Scientific Journal of Kurdistan University of Medical Sciences

fa بررسی پیشگویی مصدومیت منجر به بستری موتورسواران: مطالعه مورد- شاهدی Investigating predictors of injury leading to motorcyclist hospitalization: a case-control study عمومى General پژوهشي اصیل Original Research <div style="text-align: justify;">مقدمه و هدف: حوادث ترافیکی جادهای یکی از مشکلات جدی بهداشت عمومی در دنیا میباشد که پیشگیری از آن ضروری است. از آنجاییکه، مدل معادلات ساختاری تعمیم یافته روشی برای آزمون دقیق مدلهای نظری و مدلسازی های علیتی میباشد. هدف مطالعه حاضر، تعیین پیشگویی کننده‌های مصدومیت منجر به بستری موتورسواران با در نظر گرفتن نقش میانجیگری متغیر MRBQ برای متغیرهای زمینه ای و بیشفعالی در یک مطالعه مورد- شاهدی توسط مدل GSEM میباشد. مواد و روش ها: در مطالعه حاضر، تعداد 303 مورد (موتورسواران مرد ترومایی) و 153 کنترل (موتورسواران مرد غیرترومایی) براساس نمونه گیری تصادفی خوشهای انتخاب شدند. از پرسشنامههای MRBQ، ADHD و چک لیست محقق ساخته استفاده شد. برای بررسی روابط خطی مستقیم و غیرمستقیم متغیرها در قالب مدل مفهومی و با توجه به متغیر پاسخ دوحالتی از GSEM استفاده شد. تحلیل دادهها توسط نرمافزار STATA14 انجام گرفت. یافته ها: پیش بینی کنندههای آسیب: رفتارهای حرکتی 0موتورسواران، بیش فعالی و مشخصات دموگرافیک بودند. به طوریکه، رابطه خطی مثبت، معنی دار و مستقیم بین شانس رخداد آسیب با صحبت کردن به وسیله تلفن همراه (0/010P=، 2/22OR=)، رانندگی در ساعات تاریک(0/001=P ،1/01OR=)، داشتن کودک بیش فعال(0/057= P  ،1/65 = OR ) و رفتار حرکتی موتورسواران )0/92=P،1/27OR=)) بود، درحالیکه رابطه معکوس و معنی داری بین شانس رخداد آسیب با وضعیت تأهل  )0/002=P ، 0/43=OR)و تحصیلات دانشگاهی (0/001=P، 0/29=OR)  مشاهده شد. نتیجه گیری: بر مبنای نتایج بدست آمده، برنامه های مداخلهای، درمورد افراد بیشفعال، کسانیکه از تلفن همراه در حین رانندگی استفاده میکنند و در ساعتهای تاریک رانندگی میکنند، بسیار توصیه میشود.</div> 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 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 a 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 characteristics. 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 GSEM, ترافیک, آسیب, MRBQ, ADHD GSEM, Traffic, injury, MRBQ, ADHD 114 125 http://sjku.muk.ac.ir/browse.php?a_code=A-10-4049-1&slc_lang=fa&sid=1 shila hasanzadeh شیلا حسن زاده hasanzadeh.sh95@gmail.com 5400319475328460040822 5400319475328460040822 No Department of Statistics and Epidemiology, Research Center, University of Medical Sciences, Tabriz, Iran گروه آمار و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی تبریز، تبریز،ایران Mohammad AsghariJafarabadi محمد اصغری جعفرآبادی m.asghari862@gmail.com 5400319475328460040823 5400319475328460040823 Yes Department of Statistics and Epidemiology, Research Center, University of Medical Sciences, Tabriz, Iran گروه آمار و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی تبریز، تبریز،ایران Homyoun Sadeghi Bazargani همایون صادقی بازرگانی sadeghi@gmail.com 5400319475328460040824 5400319475328460040824 No Road Traffic Injury Research Center, Tabriz University of Medical Sciences, Tabriz, Iran مرکز تحقیقات پیشگیری از مصدومیت‌های ترافیکی جاده‌ای، دانشگاه علوم پزشکی تبریز، تبریز،ایران