Downloaded from irje.tums.ac.ir at 23:24 IRDT on Saturday April 21st 2018

Transcript

1 مجله تخصصی اپیدمیولوژي ایران 9 دوره 0 شماره : صفحات مقاله مروري مقدمهاي بر مطالعههاي صید- بازصید Downloaded from irje.tums.ac.ir at :4 IRDT on Saturday April st 08 جعفر حسنزاده مهشید ناصحی عبدالرضا رجاییفرد داي م روشنی ابراهیم قادري گروه اپیدمیولوژي دانشکده بهداشت و تغذیه دانشگاه علوم پزشکی شیراز شیراز ایران گروه اپیدمیولوژي دانشکده بهداشت دانشگاه علوم پزشکی تهران تهران ایران گروه اپیدمیولوژي و آمار دانشکده پزشکی دانشگاه علوم پزشکی کردستان سنندج ایران نویسنده رابط: داي م روشنی نشانی: سنندج خیابان پاسداران دانشگاه علوم پزشکی کردستان دانشکده پزشکی تلفن: پست الکترونیکی: d.roshani@muk.ac.ir تاریخ دریافت: 9/4/8 پذیرش: 9/6/ مقدمه مقدمه و اهداف: به تازگی مطالعههاي صید- بازصید در پژوهشهاي بهداشتی به وفور مورد استفاده قرار میگیرد و پژوهشگران به استفاده از اینگونه مطالعهها در مسایل بهداشتی تمایل زیادي پیدا کردهاند. در این مقاله اصول اولیه و نکات مهمی که در طراحی این مطالعهها باید مدنظر قرار بگیرد بحث شده است. در ابتدا توضیح مختصري در مورد مطالعههاي صید- بازصید ارایه میشود سپس پیشفرضهاي این نوع مطالعهها مورد بحث قرار میگیرد. نکاتی که در این مقاله ارایه میگردد بر اساس پیشفرض بسته بودن جامعه مورد مطالعه است و بر همین اساس چگونگی محاسبهها ارایه شده است. فرمولهاي محاسباتی بر اساس دو صید ارایه شده است و تا ثیر وابستگی بین صیدها مورد بحث قرار گرفت. سپس انجام مطالعههاي صید- بازصید با استفاده از چندین فهرست بحث شده است. واژگان کلیدي: اپیدمیولوژي صید- بازصید نمونهگیري در حالتی که نیاز به برآورد تعداد واحدهاي یک جامعه باشد اما امکان سرشماري در آن جامعه موجود نباشد میتوان از روشهاي صید- بازصید استفاده کرد. استفاده از این روش به سال 896 میلادي باز میگردد که پترسون براي برآورد جمعیت ماهیهاي یک منطقه استفاده نمود. در سال 90 میلادي نیز لینکولن کار مشابهی انجام داد. بعدها در سال 949 میلادي در هند نیز این روش به کار گرفته شد تا برآوردي از مرگ و تولد در یک منطقه به دست آید (). این مطالعه در صورت استفاده از دو فهرست dual systems estimation و در صورت استفاده از بیشتر از دو فهرست multiple systems estimation نیز گفته میشود. در حال حاضر اینگونه مطالعهها توسعهي زیادي یافتهاند (-). در حال حاضر مطالعههاي متعددي با این روش در ایران نیز انجام شده است (4-7). ایده اولیه این مطالعهها بسیار ساده است. ابتدا یک نمونهگیري تصادفی در یک جامعه انجام میشود و نمونهها علامتدار و به جامعه برگردانده میشوند. فرض بر این است که این نمونههاي علامتگذاري شده به صورت آزاد بین سایر واحدهاي نمونهگیري پخش میشوند. سپس با انجام نمونهگیري تصادفی دیگر و از روي نسبت افراد داراي علامت در نمونه دوم تعداد کل جامعه برآورد میشود (آزمایش پترسن ( مطالعههاي صید- بازصید را میتوان با روش مستقیم و غیر مستقیم انجام داد به این ترتیب که در روش مستقیم یک نمونه را انتخاب کرده و علامتگذاري کرده و پس از آن بازصید انجام میشود. در روش غیر مستقیم از دادههاي موجود مانند فهرستهاي ثبت اطلاعات یا بررسیها استفاده میشود. مشاهده یک فرد به عنوان صید در نظر گرفته میشود () استفاده از برآوردگرهایی برآورد کل جامعه انجام میشود. سپس با کاربرد روشهاي صید- بازصید در علم اپیدمیولوژي را میتوان به سه بخش دستهبندي کرد: - برآورد تعداد جامعه - برآورد میزان شیوع یک حالت یا بیماري بر اساس بررسیهاي انجام شده و - بررسی کامل بودن سامانههاي ثبت اطلاعات (8). این مطالعهها را با دو دیدگاه جامعه بسته و جامعه باز میتوان انجام داد: در جامعه بسته فرض بر این است که مرگومیر زاد و ولد و مهاجرت وجود ندارد اما در جامعهي باز این رخدادها وجود دارد. ١ Peterson Trial

2 مقدمهاي بر مطالعههاي صید- بازصید /6 Downloaded from irje.tums.ac.ir at :4 IRDT on Saturday April st پیشفرضها صید- بازصید - در مطالعهي و نکات مهم در انجام مطالعههاي صید- بازصید باید به چند نکته توجه کرد تا مطمي ن شد که آیا این روش میتواند برآورد دقیقی از جمعیت را ارایه دهد: - هدف از مطالعه : هدف از مطالعه و چگونگی استفاده از تحلیل آن باید مشخص گردد. لازم است مشخص گردد که آیا کمبرآورد و بیشبرآورد میتواند اهداف مطالعه را مخدوش کند یا خیر. براي رسیدن به برخی اهداف لازم است برآوردي دقیق انجام شود اما در برخی موارد کمبرآوردي یا بیشبرآوردي هم میتواند رضایتبخش است. منابع نمونهگیري و تعداد آنها : لازم است منابع نمونهگیري مشخص شوند و از منابع قابل اعتماد استفاده گردد. همه موارد باید شانس برابري براي صید شدن در هر فهرست را داشته باشند. همه منابع باید طوري انتخاب شوند که هویت موارد مشخص باشد یا قابلیت شناسایی آنها در هر فهرست کاملا مشخص باشد. از نظر تعداد منابع بهتر است تعداد منابع نمونهگیري حداقل منبع انتخاب گردد زیرا انتخاب منبع میتواند باعث استفاده از حداقل خطی استفاده شود. برآوردي اشتباه- کم یا زیاد- شود. منبع اجازه میدهد که از تحلیل لگ -5 میتوان - منبع را انتخاب کرد اما معمولا انتخاب بیشتر از منبع تا ثیر خاصی روي برآوردها و حدود اطمینان آنها نمیگذارد. ارتباط بین منابع نمونهگیري یا 4 فهرستها : ارتباط و وابسته بودن فهرستها به هم باید مورد بررسی قرار گیرد زیرا یکی 5 از پیشفرضهاي صید- بازصید عدم وابستگی فهرستها به هم است. کمبرآوردي وابستگی مثبت بین فهرستها میتواند باعث و وابستگی منفی میتواند باعث بیشبرآوردي شود. در حالتی که فهرستها به هم وابسته باشند میتوان از ادغام فهرستها یا حدف آنها یا از تحلیل لگ خطی استفاده 6 کرد تا اثر اریبی آنها خنثی گردد. البته در موارد انسانی این پیشفرض همیشه در خطر مخدوششدگی است. مثلا وقتی در بیمارستانها گزارشدهی برخی بیماريها وجود دارد ارتباط شدیدي بین فهرست بیمارستانها و فهرست موجود در نظام مراقبت بیماري مورد نظر مشاهده میشود (). 7 تعریف مورد : تعریف مورد باید به گونهاي باشد که در تمام فهرستها یکسان و دقیق بوده و در طی دوره مطالعه تغییر نکند. تشخیص این موردها باید به یک صورت واحد- مانند بالینی یا آزمایشگاهی- انجام شده باشد. همچنین محدوده جغرافیایی این فهرستها باید مشخص و در یک محدودهي جغرافیایی باشند. 8 صحت تشخیص موارد و طبقهبندي بیماران : در حالت ایدهآل باید ارزش اخباري مثبت هر یک از اما باشد در مطالعههاي درصد 00 فهرستها اپیدمیولوژیک نیازي به این شرط نیست. اگر موارد مثبت کاذب در یک لیست زیاد باشد باعث بیشبرآوردي روش صید- بازصید خواهد شد. براي این خطاي طبقهبندي با ادغام برخی طبقهبندي در آنها زیاد است- مانند فهرستها که خطاي ادغام موارد داراي سرطان رکتوم و کولون- میتوان این خطا را داد. روش دیگر این خطا این است که موارد مثبت کاذب را از 9 طریق ارتباط بین دادههاي ثبت شده () بین فهرستهاي دیگر پیدا کرده و حذف کرد. روش آخر این است که با استفاده از ارزش اخباري مثبت در مطالعههاي دیگر این خطا را اصلاح کرد. ارتباط بین دادههاي ثبت شده: این ارتباط یک اصل مهم در مطالعههاي صید- بازصید است تا از این روش بتوان موارد همپوشانی را مشخص کرد. اگر ارتباط نادرستی بین دادههاي افراد 0 مختلف وجود داشته باشد باعث کمبرآوردي خواهد شد. اگر موارد تکراري را به خوبی نتوان تشخیص داد و ارتباط موارد یکسان در فهرستهاي مختلف را به درستی نتوان مشخص کرد باعث بیشبرآوردي میگردد. اگر هر دو نوع اریبی همزمان وجود داشته باشد ممکن است تا حدودي اثر هم را خنثی کنند. شناسایی افراد در فهرستهاي مختلف میتواند از راه مشخصات واحدي که براي افراد وجود دارد- مانند شماره ملی و شماره ٧ Case-definition ٨ Accuracy of diagnosis and disease classification ٩ Record linkage ١٠ false-positive links or homonym errors ١١ false-negative links or synonym errors ١ Purpose and required accuracy of the study ٢ Source-selection and number of sources ٣ Equalcatchability ٤ Relationships between the selected sources ٥ Independence ٦ Bias

3 64/ حسنزاده و همکاران Downloaded from irje.tums.ac.ir at :4 IRDT on Saturday April st 08 بیمه- صورت گیرد و در موارد دیگر میتوان از نام و نامخانوادگی کدپستی جنسیت و... یا ترکیبی از اسم و فامیل و تاریخ تولد استفاده کرد. در این مطالعهها باید تعداد افرادي که دستکم در یک فهرست وجود دارند باید مشخص گردند. لازم است که تعداد موارد تکراري در هر فهرست مشخص شوند. در مواردي که فهرست وجود دارد با توجه به وابستگی برخی فهرستها به هم میتوان همه مدلهاي لگ خطی که در صید- بازصید کاربرد دارند به همراه درجه آزادي برازش حدود اطمینانها و معیار اطلاع تشکیل داد و بهترین مدل با ارایه تفسیر و توجیه را را ارایه داد. همچنین سازگاري درونی مدل لگ خطی باید از طریق مقایسه دو به دو فهرستها و مقایسه یک فهرست با مجموع دو فهرست 4 دیگر صورت گیرد. محدودیتهایی در تحلیل صید- بازصید وجود دارد. اگر جمعیت بسته نباشد مواردي که در یک فهرست یافت میشوند را مشاهده کرد. مطالعه در با احتمال بسیار کمی میتوان بعدي فهرست در این مسا له باعث احتمال صید واحد مورد فهرست محاسبه جمعیت کل رخ معمول محاسبه میگردد. در مدل نمونهگیري صید- دوم میگردد بنابراین بیشبرآوردي در میدهد و حساسیت نیز کمتر از حد بازصید دادهها براي تحلیل شامل فراوانی مشاهدهها در t صید است که برداري از صفر و یکهاست به نحوي که رؤیت و صفر عدم رؤیت واحد نمونهگیري هر میباشد. پارامترهاي مورد نظر وابسته به فرضیههاي جامعه مورد بررسی از نظر باز و بسته بودن هستند. بر خلاف جوامع بسته در جوامع باز تولد مرگ و مهاجرت به داخل و خارج رخ می دهند بنابراین در جوامع باز احتمال بقا برابر در نظر گرفته نمیشود و چگونگی محاسبات با پیشفرض جامعه باز متفاوت میباشد. جوامع بسته: این در جوامع بسته حجم جامعه در طول آزمایش تغییر نمیکند. در جوامع بسته اگر تعداد دفعات نمونهگیري (t) برابر باشد و به گونه فرض شود که N حجم جامعه مورد نظر نمایانگر تعداد واحدهاي نمونه گیري مشاهده شده نمونه است در هر دو واحدهاي نمونه گیري مشاهده شده در نمونه اول و مشاهده نشده در نمونه دوم واحدهاي نمونهگیري مشاهده شده در نمونه دوم و مشاهده نشده در نمونه اول و و + + به ترتیب تعداد واحدهاي نمونه گیري در نمونه اول و دوم باشند آنگاه جدول شماره را میتوان به صورت زیر رسم کرد (9 ). در این جدول دادههاي فرضی نیز درج شده است تا محاسبههاي برآوردگرهاي مختلف بر اساس آن انجام شود: جدول شماره - طرز قرار گیري واحدها در دو نمونه + غایب (40) نمونه دوم حاضر (0) (5) + ( ( N حاضر غایب نمونه اول در اینجا هدف برآورد مقدار مشاهده نشده است که به سادگی منجر به برآورد حجم جامعه یا همان N میشود. پس N ( ) ( ) + ( + ) ( ) لینکلن و پترسون نشان دادند که برآورد کل جامعه را میتوان به صورت زیر نشان داد: ) N LP. + + N ) LP را برآوردگر لینکلن- پترسون مینامند این (0). برآوردگر مقداري اریبی دارد و بیشبرآورد ایجاد میکند به ویژه در حجم نمونه کم اریبی آن بیشتر خواهد بود. در مواردي که مخرج کسر این برآوردگر برابر صفر باشد از رابطهي «برآوردگر چپمن» نامیده میشود استفاده میگردد که زیر که اریبی کمتري نسبت به برآوردگر قبلی دارد: ( + )( +) N ( +) محاسبه براي دادههاي فرضی بر اساس برآوردگر لینکلن- پترسون تعداد کل جامعه را برابر 05 نفر برآورد میکند یعنی تعداد افرادي که در دو فهرست وجود ندارند برابر 0 نفر خواهد بود. این محاسبه بر اساس برآوردگر چپمن نیز برابر نفر 05 ١ Case-ascertainment and capture-recapture analysis ٢ Information criteria ٣ Internal consistency ٤ Limitations of capture-recapture analysis in epidemiology

4 مقدمهاي بر مطالعههاي صید- بازصید /65 Downloaded from irje.tums.ac.ir at :4 IRDT on Saturday April st 08 خواهد بود. برآوردگر دیگر Chao است () که فرمول آن به صورت زیر میباشد: N ( + + )+ ( + ) 4.( ) محاسبه دادههاي فرضی بر اساس این برآوردگر تعداد کل جامعه را برابر نفر برآورد میکند که تعداد افراد غایب در دو فهرست برابر 8 نفر محاسبه میشود. در صورتی که نمونهگیري دوم با جايگذاري باشد میتوان از برآوردگر زیر استفاده کرد ( ). است. Bailey دیگر برآوردگر نمونهگیري دوم با جايگذاري است. پیشفرض این برآوردگر انجام از این ناشی محاسبه برآوردگر هم تفاوت چندانی با برآوردگرهاي قبلی نخواهد داشت: Nˆ B ( + ). ( + ) + + یکی دیگر از برآوردگرها برآوردگر Zelterman است که با استفاده از برآوردگر Horvitz Thompson محاسبهها را بر اساس تقریب Binomial و پوآسون تخمین میزند. فرمول زیر برآوردگر زلترمن بر اساس تقریب Binomial است: Nˆ Z ( + + ) ( + ) ( + ) + Ø ø - Œ œ º ß محاسبه براي دادههاي فرضی با این برآوردگر نیز برآوردي برابر نفر را براي کل جامعه ارایه میدهد. همین برآوردگر با استفاده از توزیع پوآسن را میتوان به صورت زیر نوشت که اثبات این فرمولها را میتوان در مقاله Brittain یافت (): ( + + ) exp ( ) + محاسبه براي دادههاي فرضی با این برآوردگر برآوردي برابر 45 نفر را براي کل جامعه ارایه میدهد. برآوردگرهاي دیگر بر اساس حداکثر درستنمایی و گشتاورها را میتوانید در مقاله Brittain مطالعه فرمایید( ). براي محاسبه حدود اطمینان میتوان از راهنماي زیر استفاده کرد:. اگر درصد افراد علامتگذاري شده درصد باشد و ( + 0 کمتر از ) کمتر از 50 باشد از توزیع پوآسون براي تعیین حدود :A اطمینان استفاده شود. بیشتر و مساوي 50 باشد از توزیع نرمال براي تعیین :B حدود اطمینان استفاده شود. اگر درصد افراد علامتگذاري شده و بازصید شده ( + ) بیشتر یا مساوي 0 درصد باشد براي محاسبهي حدود اطمینان از توزیع دوجملهاي استفاده میشود. واریانس این برآوردگر چاپمن توسط Seber ارایه شده است و :(4-6 برابر است با ) N ( + )( +)( )( ) ( +) ( +) بنابراین فاصله اطمینان (α-) درصد آن با فرض نرمال بودن براي برآورد واریانس برآوردگر میشود (7): N ±. N N برابر است با: Chao و زلترمن نیز با روش زیر محاسبه ) VarN ( + ) ( + ) ( + ) 4( ) ( ) بنابراین فاصله اطمینان (α-) درصد با فرض نرمال بودن براي برآورد N برابر است با: ) ) N Z VarN a. - در این مقاله فاصله اطمینان با فرض توزیع نرمال مورد بررسی قرار گرفته است اما بر اساس توزیع پوآسون و دو جملهاي نیز قابل محاسبه میباشد. هر چه اریبی به صفر نزدیکتر باشد برآورد درستتري به دست میآید. این اریبی را میتوان براي برآوردگرهاي مختلف محاسبه کرد و دقت هر کدام را در برآورد جامعه کل بررسی نمود. به نظر میرسد مقدار اریبی در برآوردگر Chao از سایر برآوردگرها کمتر ١ McKendricks Moment Estimator

5 66/ حسنزاده و همکاران Downloaded from irje.tums.ac.ir at :4 IRDT on Saturday April st 08 باشد. مقدار اریبی هر روش با فرمول زیر محاسبه میشود (8): وابستگی بین فهرستها: فهرست بین دو (. + ) میتواند وابستگی مثبت یا وابستگی منفی وجود داشته باشد. در صورت وجود وابستگی مثبت موارد ثبت شده مشابه در هر دو فهرست زیاد است یعنی صید یک فرد در فهرست یک باعث افزایش احتمال صید فرد در دیگر فهرست میشود. در صورت وجود وابستگی منفی درصد بیشتر افراد در یکی از فهرستها مشاهده میشوند و موارد تکراري در دو فهرست بسیار کم خواهد بود یعنی با صید یک فرد در یک فهرست احتمال صید در فهرست دیگر مییابد. وابستگی مثبت دو فهرست به هم باعث کمبرآوردیو وابستگی منفی بین دو فهرست باعث بیشبرآوردیموارد میشود. در صورتی که چند فهرست وجود داشته باشد میتوان براي بررسی وابستگی بین دو همچنین از آزمون مربع از فهرست نسبت شانس را محاسبه کرد و کاي استفاده کرد. در صورت معنیدار بودن یعنی فهرستها وابسته هستند و در مدل لگ خطی باید اثر متقابل بین آنها در نظر گرفته شود. اگر مقدار نسبت شانس کمتر بود یک وابستگی منفی-بیشبرآوردي- بود وابستگی مثبت-کمبرآوردي- وجود دارد (). روش دیگر براي اثر همبستگی بین و اگر بیشتر از یک فهرستها روش Wittes است. در این روش برآورد جامعه را بر اساس ترکیب دو به دو فهرستهاي میتوان چند کار را انجام داد: مختلف بررسی میشود. - اگر متفاوت بود محاسبه نسبت شانس بین فهرستها و - ترکیب فهرستهاي وابسته به هم و انجام مجدد محاسبهها. حساسیت فهرستها یا صیدها: براي محاسبه حساسیت هر صید یا فهرست میتوان از تقسیم تعداد موارد یافت شده در هر فهرست تقسیم بر کل برآورد جامعه استفاده کرد: / N 00 در ضرب و براي روش دوم هم میتوان گفت / N ضرب در 00. در مطالعههاي صید- بازصید باید تا حد امکان حساسیت یافتن مورد ها در هر فهرست برابر 00 درصد باشد. هرچند مقدار بالاتر از 75 درصد نیز قابل قبول است. مثال براي محاسبه حساسیت یک فهرست: در یک مطالعه در صید اول تعداد 0 نفر (M) بیمار و در صید دوم تعداد 4 نفر (C) بیمار صید شد که نفر در هر دو صید (R) مشترك بودند. محاسبه با استفاده از فرمول چاپمن به صورت زیر است: و حساسیت صید دوم برابر است با: N (0 + )(4 +) 58 (+) C 4 Sensitivity(%) % N 58 در مطالعههاي صید- بازصید روش خاصی براي محاسبه حجم نمونه وجود ندارد اما به صورت کلی زمانی که چند شرط برقرار باشد حجم نمونه کافی به نظر میرسد.: - تعداد افراد مشاهده شده در فهرست اول و دوم بزرگتر از برآورد کل جامعه باشد که پس از تحلیل مشخص خواهد شد - تعداد افراد مشترك در هر دو فهرست بیشتر از 7 فرد باشد. در صورت وجود این شرایط فرض میشود که برآورد نااریب خواهد بود. اختلال در مطالعههاي صید-بازصید: در مطالعههاي صید- بازصید ممکن است مشکلاتی پیش آید که اثرات آن و روش پیشگیري در جدول است( 9 ):. شماره نحوه محاسبه با استفاده از لگ خطی ) 0-): ذکر شده مواردي که تا این قسمت ذکر شد تحلیل سادهاي از مطالعههاي صید- بازصید با استفاده از دو بار صید یا دو فهرست بود. در صورتی که تعداد فهرستها یا صیدها بیشتر از دو فهرست باشد استفاده از این محاسبهها ساده به راحتی امکانپذیر نیست و باید از لگ خطی استفاده شود. در این تحلیل به محاسبهها گونهاي انجام میشود که اثرات اصلی و تداخلات مختلف بین فهرستها نیز بررسی شود و برآورد تعداد افراد گم شده با هر مدل محاسبه میگردد. فهرستها وجود منبع مدل لگ خطی وابستگی و هتروژنییتی را در محاسبه لحاظ میکند و در شرایطی که چند داشته باشد بسیار قوي عمل میکند. تداخل بین فهرستها میتواند روي مدل تا ثیر بگذارد و این تا ثیر توسط AB λ در مدل بیان میشود. در صورت داشتن سه فهرست یا منبع ١ Positive dependence ٢ Negative dependence ٣ case finding

6 مقدمهاي بر مطالعههاي صید- بازصید /67 Downloaded from irje.tums.ac.ir at :4 IRDT on Saturday April st 08 تعداد 8 ترکیب میتواند اتفاق افتد: مقدار تتا لگاریتم تعداد افراد مورد انتظار است که انتظار میرود در همه فهرستها حضور داشته باشند سه مقدار دیگر مقادیر اثر هر فهرست هستند سه مقدار بعدي تداخل بین فهرستها است و پارامتر آخر تداخل هر فهرست سه است که البته از طریق دادههاي مطالعه قابل آزمایش کردن نیست و فرض میشود که مقدار آن صفر باشد. آزمودن این پارامترها در شرایطی که حجم نمونه کوچک باشد داراي توان مناسبی نیست. مقدار µ تعداد مورد افراد در جامعه مورد بررسی است. انتخاب بهترین مدل ) -5): مدل آماري در این مدلها log log log log log log log log انتخاب مدل یکی از مسایلی است که در مطالعههاي جدول شماره - تا ثیر پیشفرضهاي پیشفرض مختل شده جامعه بسته احتمال صید برابر یا Equal Catchability صید- بازصید باید مدنظر قرار گیرد. براي انتخاب مدل چندین راهکار وجود دارد. در انتخاب مدل میتوان از درجه آزادي مقدار مناسب که بهترین برآورد را دارد آکاي یکه (Akaike Information (Bayesian Information و یا مقدار بیزي آکاي یکه Criteria(AIC)) Criterion(BIC)) استفاده کرد. AIC و BIC توسط likelihood ratio tests آزمون میگردد و مقدار کمتر نشاندهنده بهتر بودن برازش است. آکاي یکه زمانی کاربرد دارد که اثر متقابل در مدل وارد شده و هدف انتخاب بهترین مدل باشد فرمول آن به این صورت است: AIC G - (df) BIC خود دو نوع متفاوت دارد که Hook and Regal این دو فرم را SID و DIC نامیدهاند. SIC G - (ln یا Information Criterion Schwarz Nobs)(df), DIC G - (ln Draperیا Information Criterion (Nobs/p))(df), با استفاده از AIC معمولا برازندهترین مدل مدل اشباع شده- یعنی مدلی با درجه آزادي صفر و -k اثرات متقابل- است اما برآورد جمعیت در این مدل زیاد بوده و حدود اطمینان بازتري را به دست میدهد. در مواردي که حجم نمونه کم باشد دو شاخص دیگر و به ویژه DIC نتایج بهتري را ارایه میدهند. مختل شده بر محاسبه برآورد جمعیت موارد و حساسیت فهرستها و راهکارهاي پیشگیري از این اختلالها اثر روي تخمین جمعیت موارد افزایش اثر روي حساسیت افزایش روش پیشگیري - فاصله زمانی نمونهگیري از فهرستها - عدم نمونهگیري از روزهاي خاص- مثلا خیلی شلوغ یا روزهایی که افراد خاصی مراجعه میکنند) - انتخاب دقیق محل نمونهگیري - بررسی وضعیت سکونت افراد - تعریف دقیق حدود مرزي در هر محل مطالعه - تهیه نقشه از محیط مطالعه براي صید اول - اطمینان از درك درست جمعیت مورد هدف مطالعه و جلوگیري از اریبی انتخاب - استفاده از افراد آگاه و مطلع براي خارج کردن افراد نا آگاه - غربالگري خانه به خانه براي یافتن بیماران - انتخاب دقیق محل مطالعه - استفاده از روشهاي حساس به بیماران بدحال

7 68/ حسنزاده و همکاران Downloaded from irje.tums.ac.ir at :4 IRDT on Saturday April st 08 افزایش افزایش True Matched Miss False Matched created یافتن افراد مشابه در فهرستها افزایش وابستگی مثبت عدم وابستگی افزایش وابستگی منفی فهرستها افزایش کفایت حجم نمونه نتیجهگیري به صورت کلی استفاده از این روش نمونهگیري در مطالعههاي بهداشتی در سالهاي اخیر رو به افزایش است. مطالعههاي صید- بازصید را میتوان به منظور بررسی وضعیت کامل بودن گزارشدهی در نظامهاي مراقبت نیز مورد استفاده قرار داد (6). با استفاده از این مطالعه تعداد مورد انتظار و بیماران را میتوان محاسبه کرد و وضعیت تشخیص گزارشدهی بیماران را بررسی نمود. اینگونه مطالعهها داراي نقاط قوت و ضعف هستند که باید در مرحله طراحی به آن دقت شود. قبل از اجرا هدف از انجام این مطالعهها دقیقا مشخص شود تا چگونگی استفاده از آن و تا ثیري که اختلالهاي مختلف روي آن میگذارد براي پژوهشگران مشخص باشد. استفاده از روش صید- بازصید با دو فهرست یا دو بار صید جزء سادهترین روش این مطالعهها است که در این مقاله اصول کلی آن و نکات مهم در مورد آن ارایه گردید. انجام اینگونه پژوهشها با تعداد صیدهاي بیشتر یا فهرستهاي بیشتر میتواند برآوردهاي بهتري را به دست بدهد. البته استفاده از بیشتر از فهرست یا صید ارزش افزودهاي در این مطالعهها ندارد و فهرست انتخاب مناسبی است. در بسیاري از - یافتن دادههاي معتبر و کافی که بتواند افراد را به هم وصل کند. - یافتن دادههاي معتبر و کافی که بتواند افراد را به هم وصل کند. - استفاده از گروههاي متفاوت براي جمعآوري دادهها از هر فهرست یا در هر صید - استفاده از افراد آگاه متفاوت در صید افراد در هر فهرست - ارجاع افراد به سرویس مربوط پس از صید دوم - در صورت امکان افزایش حجم نمونه - واحدهاي نمونهگیري گم نمیشوند و توسط افراد مشاهدهگر به صورت عمدي جستجو نمیشوند. نسبت تعداد افراد مشاهده شده در یک افراد مشاهده شده در هر دو تا ثیر عمدهاي در محاسبهها فهرست داشته باشد. فهرست-یا صید- (افراد مشترك) به میتواند در شرایط مختلف برآوردگرهاي ذکر شده میتوانند برآوردهاي متفاوتی را ارایه دهند. این مسا له در مطالعه VAN HEST و همکاران (7) تشریح شده است. اگر نسبت افراد مشاهده شده در یکی از فهرستها به افراد مشاهده شده در هر دو لیست 0/5-/5 باشد مدل لگ خطی و برآوردگرهاي دیگر نتایج مشابهی را ارایه میدهند. اگر تعداد افراد مشاهده شده در یک فهرست بسیار بیشتر از افراد مشاهده شده در هر دو فهرست باشد برآوردهاي لگ خطی دچار بیشبرآوردي خواهند شد (7). براي انتخاب مدل مناسب و برآورد مناسب نباید صرفا بر اساس نوع برآوردگر و خطاي محاسبه شده و یا AIC و BIC مدل را انتخاب کرد (8) و باید حتما توجیه مناسبی نیز داشت. در کل در این مطالعهها هیچوقت نمیتوان متوجه شد کدام مدل درستترین است اما تشخیص و خارج کرد. مدلهاي اشتباه را تا حدودي میتوان مطالعههاي بهداشتی وابستگی زیادي ممکن است بین فهرستها مشاهده شود بنابراین در این مواقع میتوان دو فهرستی که وابستگی زیادي به هم دارند را در هم ادغام نمود. به طور کلی روشهاي ذکر شده در این مقاله زمانی کاربرد درستی خواهند داشت که سه اصل زیر برقرار باشد: - بسته بودن جامعه نسبت به مرگ تولد مهاجرت به داخل و خارج - تمام واحدهاي نمونهگیري در هر بار نمونهگیري داراي شانس یکسان باشند

8 مقدمهاي بر مطالعههاي صید- بازصید /69 Downloaded from irje.tums.ac.ir at :4 IRDT on Saturday April st 08. Herzog TN. Applications of Capture-Recapture Methods., editor: Actuarial Research Clearing House; Chao A, Tsay PK, Lin SH, Shau WY, Chao DY. The applications of capture-recapture models to epidemiological data. Stat Med. 00 Oct 0; 0: Brittain S, Böhning D. Estimators in capture recapture studies with two sources. AStA Adv Stat Anal. 009;9: Zemestani AR, Mahmoudi M, Keshtkaar AA, Majdzadeh SR, Foroozanfar MH, Semnani S. Estimation of Cancer Cases in Golestan Province between by Using Capture- Recapture Method. Medical Journal of Tabriz University of Medical Sciences and Health Services. 0; 5: Khazaei S, Poorolajal J, Mahjub H, Esmailnasab N, Mirzaei M. Estimation of the Frequency of Intravenous Drug Users in Hamadan City, Iran, Using the Capture-recapture Method. Epidemiology and Health. 0; 4: e Motevalian SA, Mahmoodi M, Majdzadeh R, Akbari ME. Estimation of death due to road traffic injuries in Kerman district: application of capture-recapture method. Health College and Health institute Journal. 007;: Zavarehac DK, Mohammadia R, Laflammeb L, Naghavide M, Zareief A, Haglunda JA. Estimating road traffic mortality more accurately: Use of the capture recapture method in the West Azarbaijan Province of Iran. International Journal of Injury Control and Safety Promotion. 008; 5: Hook EB, Regal RR. Capture-recapture methods in epidemiology: methods and limitations. Epidemiol Rev. 995; 7: Herzog TN. Applications of Capture-Recapture Methods. 0. Buckland S, Goudie J, Borchers D. wildlife population assessment, past development and future Directions. Biometrics. 000; 56: -.. Chao A. Estimating the population size for capture-recapture data with unequal catchability. Biometrics. 987 Dec; 4: Chao A, Yip P.S.F, Lee S.M, Chu W. Population size estimation based on estimating functions for closed capturerecapture models. Journal of Statistical Planning and Inference. 00;9: -.. Pollock KH, Nichols JD, Brownie C, Hines JE. Statistical Inference for Capture-Recapture Experiments, Wildlife Monographs: The Wildlife Society; 990; 07:-97. منابع 4. Pollock KH. Capture-recapture models: a review of current methods, assumptions and experimental design. Wildl. Monogr. 98;6: Corrao G, Bagnardi V, Vittadini G, Favilli S. Capturerecapture methods to size alcohol related problems in a population. J Epidemiol Community Health. 000 Aug; 54: Seber GA. The effects of trap response on tag recapture estimates. Biometrics. 970; 6: Böhning D. A simple variance formula for population size by conditioning. Stat Methodol. 008; 5: Brittain S, Böhning D. Estimators in capture recapture studies with two sources. AStA Adv Stat Anal. 009; 9: Notes on using capture-recapture techniques to assess the sensitivity of rapid case-finding methods: VALID International Ltd; Overstall A, King R. Capture-Recapture Models for Population Estimates: University of St Andrews.. Cormack RM. Log-linear models for capture-recapture Biometrics. 989; 45: Akaike H. A new look at the statistical model identification. IEEE Transactions on automatic control. 974; 9: Draper D. Assessment and propogation of model uncertainty. Journal of the Royal Statistical Society, Series B. 995; 57: Schwarz G. Estimating the dimension of a model. The annals of statistics. 978; 6: Hook EB, Regal RR. Validity of methods for model selection, weighting for model uncertainty, and small sample adjustment in capture-recapture estimation. Am J Epidemiol. 997 Jun 5; 45: van Hest NA, Smit F, Baars HW, De Vries G, De Haas PE, Westenend PJ, et al. Completeness of notification of tuberculosis in The Netherlands: how reliable is recordlinkage and capture-recapture analysis? Epidemiol Infect. 007 Aug; 5: van Hest NA, Grant AD, Smit F, Story A, Richardus JH. Estimating infectious diseases incidence: validity of capturerecapture analysis and truncated models for incomplete count data. Epidemiol Infect. 008 Jan; 6: 4--.

9 Downloaded from irje.tums.ac.ir at :4 IRDT on Saturday April st 08 Iranian Journal of Epidemiology 04; 0(): Review Article Introduction to Capture-Recapture Studies Hassan Zadeh J, Nasehi M, Rajaeifard A, Roshani D, Ghaderi E - Dept of Epidemiology, School of Health and Nutrition, Shiraz University of Medical Sciences, Shiraz, Iran - Dept of Epidemiology and Biostatistics, School of Public Health, Tehran University of Medical Sciences, Tehran, Iran - Dept of Epidemiology and Biostatistics, School of Medicine, Kurdistan University of Medical Sciences, Sanandaj, Iran Corresponding author: Roshani D., daemroshani@gmail.com Recently, capture-recapture studies have been used and researchers tend to use these studies in the health field. Therefore, we discussed the basic concepts of these studies. First, we described capture-recapture studies. Then, the important assumptions and calculations were presented according to the close population assumption. Statistical formulas were presented for two-capture methods and dependency between the two lists was discussed. Then, we addressed more than two capture methods. Keywords: Epidemiology, Capture-Recapture, Sampling