/ 87 تحقیقی 1- کارشناس ارشد آمار زیس ی ت ارتباط شاخصه يا با استفاده از مدله يا اجتماعی - اقتصادي با بیماري سل دوجملهاي منفی و پواسون 5 4 3 2 1 فاطمه سروي دکتر یداله محرابی* دکتر علیرضا ابدي دکتر مهشید ناصحی ابوالفضل پاینده گروه آمار زیس ی ت دانشکده پیراپزشکی دانشگاه علوم پزشکی شهیدبهشتی. 2- استاد گروه اپیدمیولوژي دانشکده بهداشت دانشگاه علوم پزشکی شهیدبهشتی. 3- دانشیار گروه پزشکی اجتماعی دانشکده پزشکی دانشگاه علوم پزشکی شهیدبهشتی. 4- استادیار گروه اپیدمیولوژي دانشکده بهداشت دانشگاه علوم پزشکی ایران. 5- دانشجوي دکتري آمار زیس ی ت گروه آمار زیس ی ت دانشکده پیراپزشکی دانشگاه علوم پزشکی شهیدبهشتی. چکیده زمینه و هدف : بیماري سل بزرگترین علت مرگ ناشی از بیماريه يا فقر و اختلاف شدید طبقاتی جوامع مختلف است. این مطالعه به منظور تعی نی استفاده از مدلهاي رگرسیونی دوجملهاي منفی و پواسون انجام شد. عفونی تک عاملی است. از دلایل اصلی افزایش بار جهانی سل ارتباط شاخص هاي اجتماعی - اقتصادي با بیماري سل با روش بررسی : این مطالعه توصیفی تحلیلی روي پرونده 11320 مسلول سال 1389 از شهرهاي مختلف انجام شد. دادهها از اداره کنترل بیماريهاي سل و جذام معاونت بهداشت درمان و آموزش پزشکی و شاخصه يا شد. شاخص ه يا اجتماعی اقتصادي از مرکز آمار ایران دریافت اجتماعی اقتصادي شامل میزان بیکاري تراکم خانوار در هر واحد مسکونی متوسط درآمد تعداد پزشکان به تعداد نقاط جمعیتی میزان مهاجرت و ضریب شهرنشینی بود. برازش مدلها با استفاده از معیار اطلاع آکاي یک و بیزي مقایسه شد. یافته ها : با توجه به مدل شد (0/05>P). با توجه به مدل پواسون بین شاخصه يا اجتماعی - اقتصادي و میزان ابتلا به سل ارتباط آماري معنی داري یافت دوجملهاي منفی بین میزان بیکاري میزان مهاجرت و ضریب شهرنشینی با ابتلا به بیماري سل ارتباط آماري معنیدار بود (0/05>P) و براي تعداد پزشکان به تعداد نقاط جمعیتی و تراکم خانوار به واحد مسکونی و متوسط درآمد سالانه خانوار و ابتلا به بیماري سل ارتباط آماري معنیداري بهدست نیامد. بهدلیل وجود بیشپراکنش در مدل مدل دو جملهاي منفی مناسبتر ارزیا یب نتیجهگیري : شاخص ه يا منفی براي دادهه يا کلید واژهها : سل شاخصه يا شد. اجتماعی اقتصادي با موارد ابتلا به بیماري سل مرتبط است. همچنین استفاده از مدل شمارشی در مقایسه با مدل اجتماعی اقتصادي مدل پواسون (داراي بیشپراکنش) ارجحیت داشت. دوجملهاي منفی مدل پواسون پواسون دوجمله اي * نویسنده مسو ول : دکتر یداله محرابی پست الکترونیکی mehrabi@sbmu.ac.ir نشانی : تهران ولنجک دانشگاه علوم پزشکی شهیدبهشتی دانشکده بهداشت گروه اپیدمیولوژي تلفن و نمابر 021-22707347 وصول مقاله : 92/9/11 اصلاح نهایی : 93/1/31 پذیرش مقاله : 93/1/31 مقدمه بیماري سل که بزرگترین علت مرگ ناشی از بیماريهاي عفونی تکعاملی است بهوسیله مایکوباکتریوم توبرکلوزیس ایجاد میشود. در سل ریوي فقط ریه ها مبتلا م ی ریوي اندامهاي دیگر بدن مبتلا م ی شوند و در سل خارج شوند (1). برطب ق سازمان بهداشت جهانی بهداشت تقریبا یکسوم جمعی ت گزارش جهان به مایکوباکتریوم توبرکلوزیس یا آلوده هستند و یا در خطر ابتلا به آن قرار دارند. هر ساله حدود 9 میلیون نفر به سل فعال مبتلا شده و 1/5 تا 2 میلیون نفر در اثر این بیماري جان م ی سپارند. بیش از 90 درصد موارد بیماري و مرگ ناشی از سل در کشورهاي در حال توسعه رخ میدهد. کشورهایی که 75 درصد موارد بیماري در آنها به فعالترین گروه س ین (15-64 سال) از لحاظ اقتصادي تعلق دارد (2). در مطالعه ارسنگ و همکاران بیشترین موارد بیماري سل در افراد بالاي 65 سال مشاهده شد (3). سل بهجز لطمات اقتصادي اثرات منفی غیرمستقیم دیگري نیز بر کیفیت زندگی بیماران یا افراد خانواده آنها دارد و از ای ن بیماريهاست. پیشبین ی نظر داراي مرتبه دهم در بار جهانی شده ای ن بیماري تا سال 2020 میلادي همچنان جایگاه کنونی خود را حفظ نموده و یا از رتبه دهم به رتبه هفتم خواهد رسید (1). فقر و اختلاف شدید طبقاتی در جوامع مختلف نه فقط در صفحات 87 تا 92
/ 88 ارتباط شاخصهاي اجتماعی - اقتصادي با بیماري سل با استفاده از مدلهاي رگرسیونی دوجملهاي منفی و پواسون کشورهاي در حال رشد بلکه ح یت در کشورهاي پیشرفته نیز یکی از دلایل اصلی افزایش بار جهانی سل است. در کشور ما به دلی ل محرومی ت اجتماعی و اقتصادي بعضی شهرستانها پیدا کردن ارتباط این عوامل با ابتلا به بیماري سل براي سیاستگذاريهاي سلامت اهمیت عمدهاي دارد (1). سل و فقر ارتباط دوسویه دارند. به طوري که افزایش فقر و شرایط نامناسب زندگی میزان بروز سل را می افزاید. از طرفی بیماري سل و هزینه درمان بالا به زای ش فقر کمک میکند. احتمال آلودگی به بیماري سل و فعال شدن ای ن بیماري در جوامع با وضعیت اجتماعی-اقتصادي پای نی زندگی در نواحی پرجمعی ت زیستمحیطی نامطلوب بیشتر است (4). تر به دلی ل با فرزندان بیشتر و داشتن شرایط در مطالعه Vendramini و همکاران در برزیل شاخصهاي اجتماعی-اقتصادي مرتبط با اپید یم بیماري سل تحصیل درآمد و تعداد افراد در هر خانوار تعیین شد. سل با شرایط زندگی افراد ارتباط نزدیکی داشت و شیوع بیماري سل براي نواحی فقیرتر بالاتر بود (5). در مطالعه Hawker و همکاران به تفاوت نژادي و ارتباط آن با بیماري سل و فقر پرداخته شد. در بین افراد با نژاد سفید و افراد مهاجر از کشورهاي آسیاي جنوبی که در 39 منطقه محروم بیرمینگهام ساکن بودند 1516 مسلول شناسایی گردید. بین نسبت ابتلا به سل و محرومیت در افراد آسیاي جنوبی ارتباط معنیداري دیده نشد اما این ارتباط با نژاد سفید مرتبط بود (6). در مطالعه Sánchez-Pérez و همک اران در شهر Chiapas مکزیک از بین 227 مسلول افراد با سطح فقر بالاتري به بیماري سل مبتلا بودند (7). در مطالعه Bhunu و همکاران مدل جبري براي ارزیا یب اثر شرایط اجتماعی-اقتصادي در انتقال بیماري سل استفاده شد و نتایج نشان داد که انتقال بیماري سل با شرایط زندگی نامناسب و فقر افزایش نشان داده است (8). با افزایش شهرنشینی میزان ابتلا به بیماري سل به خاطر تراکم زیاد جمعیت و تماس زیاد افراد افزایش مییابد (9). از طرفی میزان بالاتري از بیماري سل در بین گروهه يا مهاجر وجود دارد (10). در مطالعه Gilbert و همکاران انجام شده روي مهاجرت و میزان ابتلا به بیماري سل در انگلستان در مقایسه با 21 کشور اروپایی نشان داد که میزان ابتلا به سل در سه کشور نروژ سوي د و انگلستان روند افزایشی داشته است. در هر سه کشور تقریبا 0/75 درصد مبتلایان به سل در خارج از کشور و عموما درکشورهایی با میزان بالاي بروز بیماري سل متولد شده بودند (10). در مطالعه McBryde و Denholm میزان خطر بروز بیماري سل فعال در مهاجران ایالت ویکتوریاي استرالیا در سال 2012 بررسی شد. بسته به این که فرد مهاجر از چه کشوري و از چه ناحیهاي مهاجرت کرده بود میزان خطر بروز سل نوسان داشت. این میزان در مهاجران آسیایی آفریق واي اطراف اقیانوس آرام نسبت به مهاجران بقیه کشورها بیشتر بود. در اولین 6 سال مهاجرت در هر 100 هزار نفر 100 تا 150 نفر مبتلا وجود داشت (11). این مطالعه به منظور تعیین ارتباط شاخصهاي اجتماعی - اقتصادي با بیماري سل با استفاده از مدلهاي رگرسیونی دوجملهاي منفی و پواسون انجام شد. روش بررسی این مطالعه توصیفی تحلیلی گذشته نگر روي پرونده 11320 مسلول توسط گروه آمار زیستی دانشکده پیراپزشکی دانشگاه علوم پزشکی شهیدبهشتی طی ساله يا 1392-93 انجام شد. دادههاي مسلولین سال 1389 به تفکیک شهرستان (359 شهرستان از 420 شهرستان) از اداره کنترل بیماريهاي سل و جذام معاونت بهداشت درمان و آموزش پزشکی و شاخصهاي اجتماعی اقتصادي از مرکز آمار ایران دریافت شد. شاخصه يا اجتماعی اقتصادي شامل میزان بیکاري میزان بیسوادي تراکم خانوار در هر واحد مسکونی متوسط درآمد تعداد پزشکان به تعداد نقاط جمعیتی میزان مهاجرت و ضریب شهرنشینی بود. از آنجایی که شاخص تعداد پزشکان به تعداد نقاط جمعیت ی شاخص مجموع مراکز بهداشتی به تعداد نقاط جمعیت ی با همخطی داشت شاخص مجموع مراکز بهداشتی به تعداد نقاط جمعیت ی مطالعه وارد نشد. در براي مدلبندي متغیر شمارشی تعداد افراد مسلول از مدل خطی تعمیمیافته پواسون استفاده شد. یکی از مفروضات اساسی مدل رگرسیون پواسون مساوي بودن میانگین و واریانس متغیر پاسخ است و یل معمولا در عمل پراکندگی دادهها از میانگین آنها بیشتر است. به این موضوع بیش پراکنش اطلاق میشود. دلیل بیشپراکنش معمولا ناهمگنی زیاد بین پاسخها است ( 12 و 13 ). میانگین تعداد مسلولین هر شهرستان 31/53 و واریانس آن 6054/21 حاصل شد که نشان دهنده بیشپراکنش بود. یک ی از راهکارها براي از بین بردن بیشپراکنش استفاده از مدل رگرسیون دوجملهاي منفی به عنوان جایگزینی براي مدل پواسون است. زیرا این مدل یک پارامتر جداگانه مدل برآورد پارامترها دقیقتر است. براي واریانس منظور میکند و با ای ن زمانی که متغیر پاسخ شمارشی وابسته به متغیر دیگري مانند t باشد میتوان میزان مورد انتظار را محاسبه کرد و مدل پواسون و همچنین مدل دوجملهاي منفی براي میزان مورد نظر را برازش داد. به دلیل وابستگی تعداد مسلولین هر شهرستان به جمعی ت شهرستان ابتدا از تقسیم تعداد افراد به جمعیت هر شهرستان میزان موردنظر به دست آمد و سپس مدلهاي موردنظر برازش داده شد.(13)
فاطمه سروي و همکاران / 89 مدل پواسون مدل دوجملهاي منفی براي تشخیص مناسب تر بودن مدل معیارهاي انتخاب مدل شامل معیار اطلاع بیزي BIC) (Bayesian Information Criterion: و معیار اطلاع آکاي ی ک (Akaike Information Criterion: AIC) استفاده شد (14). این معیارها نشان میدهند که استفاده از یک مدل به چه میزان باعث از دست رفتن اطلاعات م ی دادهها گاهی میتوان چ دن شود. با توجه به مدل را برازش داد. مدلی بهتر است که در نتیجه برازش آن به دادهها اطلاعات کمتري از دست برود. یعنی میزان AIC وBIC کمتري داشته باشد. براي تجزیه و تحلیل دادهها از نرمافزار (3.0.1) R و بسته MASS استفاده گردید. سطح معنیداري کمتر از 0/05 در نظر گرفته شد. یافتهها 5433 نفر (48 درصد) مرد و 5887 نفر (52 درصد) زن بودند. میانگین س ین جدول : 2 نتایج مدله يا مسلولین 47/73±14/25 سال بود. میزان مهاجرت ضریب شهرنشینی میزان بیکاري میزان بیسوادي متوسط درآمد سالانه براي هر خانوار شهرستانی نسبت پزشک به تعداد نقاط جمعیتی و تراکم خانوار در هر واحد مسکونی در جدول یک آمده است. با توجه به ضرایب برآورد شده مدل یک واحد افزایش در شاخص ه يا جدول : 1 میانگین و انحراف معیار شاخصه يا میزان مهاجرت ضریب شهرنشینی میزان بیکاري متوسط درآمد سالانه براي هر خانوار شهرستانی نسبت پزشک به تعداد نقاط جمعیتی تراکم خانوار در هر واحد مسکونی پواسون و میزان مهاجرت ضریب شهرنشینی میزان بیکاري متوسط درآمد سالانه براي هر خانوار شهرستانی نسبت پزشک به تعداد نقاط جمعیتی تراکم خانوار در هر واحد مسکونی میزان مهاجرت ضریب شهرنشینی میزان بیکاري متوسط درآمد سالانه براي هر خانوار شهرستانی نسبت پزشک به تعداد نقاط جمعیتی تراکم خانوار در هر واحد مسکونی پواسون به ازاي اجتماعی اقتصادي میزان ابتلا اجتماعی - اقتصادي مسلولین در سال 1389 میانگین و انحراف معیار 6/75±0/07 0/20±0/52 9/78±14/52 6/18±19/37 96/75±12/55 4/101±57/35 0/165±1/13 دوجملهاي منفی با شاخصه يا برآورد ضریب β به سل افزایش یافت (>P) (جدول 2). با توجه به ضرایب برآورده شده مدل دوجملهاي منفی با افزایش یک واحد در میزان مهاجرت (0/007>P) ضریب شهرنشینی (>P) میزان بیکاري (0/008>P و) (0/009>P) میزان ابتلا به سل افزایش آماري معنی داري نشان داد. بین شاخصه يا تعداد پزشکان به تعداد نقاط جمعیت وی تراکم خانوار در هر واحد مسکونی و متوسط درآمد سالانه براي هر خانوار شهرستانی و میزان ابتلا به سل ارتباط آماري معنیدار نبود (جدول 2). جدول : 3 نتایج معیارهاي انتخاب مدل براساس معیار اطلاع بیزي و معیار اطلاع آکاي یک BIC AIC 10780/47 10749/48 پواسون 2882/129 2851/063 دوجملهاي منفی : BIC معیار اطلاع بیزي : AIC معیار اطلاع آکاي یک exp (β) با توجه به مقایسه انجام شده مدل مدل حداکثر مقدار 33/70 0/99 59/50 47/46 132/28 1081/20 3/15 دوجملهاي منفی با پواسون از نظر وجود بیش پراکنش با استفاده از آزمون میزان درستنمایی مدل بیشپراکنش بود و برازش مدل حداقل مقدار -17/80 0/08 0/15 2/81 74/47 00/0 1/12 اجتماعی - اقتصادي و تعداد مسلولین سال 1389 خطاي استاندارد 4 0/066 1 0/0022 0/0008 0/000047 0/074 0/0095 0/3553 0/007 0/0129 0/005 0/4344 فاصله اطمینان 95 درصد exp (β) 0/011 و 0/006 15/95 و 12/31 1/018 و 1/013 1/041 و 1/032 1/005 و 1/002 1/001 و 1/001 1/418 و 1/061 1/045 و 1/007 13/48 و 3/35 1/033 و 1/005 1/061 و 1/009 1/015 و 0/995 1/003 و 1/00 2/99 و 0/545 p-value 0/007 0/008 0/009 0/345 0/145 0/574 1/019 14/01 1/015 1/04 1/003 1/001 1/227 1/026 6/72 1/019 1/035 1/005 1/001 1/28 0/019 2/64 0/015 0/036 0/003 0/204 0/025 1/905 0/019 0/034 0/005 0/244 پواسون داراي دوجملهاي منفی بسیار
/ 90 ارتباط شاخصهاي اجتماعی - اقتصادي با بیماري سل با استفاده از مدلهاي رگرسیونی دوجملهاي منفی و پواسون مناسبتر ارزیا یب شد (>P). همچنین هر دو شاخص AIC و BIC نشان داد که مدل دوجملهاي منفی مناسبتر است. هر دو شاخص براي مدل دوجملهاي منفی کمتر بودند که نشان داد برازش این مدل سبب از دست رفتن اطلاعات کمتري میشود (جدول 3). بحث نتایج این مطالعه نشان داد که شاخصهاي اجتماعی اقتصادي با تعداد ابتلاي افراد به بیماري سل ارتباط آماري معنی داري دارد. در کاربرد مدل دوجملهاي منفی بین شاخصه يا متوسط درآمد سالانه براي هر خانوار شهرستانی تعداد پزشکان به تعداد نقاط جمعیتی و تراکم خانوار در هر واحد مسکونی رابطه آماري معنیداري وجود نداشت. همچنین واریانس ضرایب در مدل دوجملهاي منفی بیشتر بود. دلی ل ای ن اختلاف هم میتواند به خاطر وجود بیشپراکنش در مدل رگرسیونی پواسون باشد. لذا استفاده از مدل دوجملهاي منفی براي دادههاي شمارشی در مقایسه با مدل رگرسیونی پواسون (داراي بیشپراکنش) ارجحیت دارد. بیشپراکنش ممکن است منجر به معنیدار شدن ارتباطهایی شود که در واقع معنیدار نیستند. ای ن مطالعات همراستا است ( 15 و 16 ). یافته با سایر در مطالعه Lambert مدل پواسون و دوجملهاي منفی درباره تعداد نقص در خط تولید یک کارخانه مقایسه شد. تعداد خطهاي بدون نقص در مدل پواسون 71 درصد و در مدل دوجمله اي منفی 78 درصد پیشبینی شد که با توجه به مقدار واقعی یع ین مدل دوجملهاي منفی پیشبین ی 81 درصد بهتري نشان داد (15). در مطالعه Greene براي دادههاي مربوط به تعداد تخلفات در پرداخت با کارته يا اعتباري در شصت روز گذشته از مدلهاي پواسون دوجملهاي منفی و ZIP استفاده شد و مدل دوجملهاي منفی به دلی ل وجود بیش پراکنش در دادهها برازش بهتري نشان داد (16). در مطالعه حاضر نتایج مدل دوجملهاي منفی نشان داد که به ازاي یک واحد افزایش در میزان مهاجرت میزان ابتلا به سل به میزان 0/026 افزایش مییابد. مهاجرت افراد معمولا به مناطق شهري بیشتر است و در این مناطق تراکم جمعیتی زیاد بوده و افراد مهاجر در ابتداي امر معمولا در مناطق حاشیهاي که از لحاظ امکانات بهداشتی نامناسب است ساکن می شوند. همچنین مهاجرت بیشتر از کشورهاي افغانستان و پاکستان با میزان بروز بالاي سل (17) به ایران انجام م ی Talbot و همکاران (13 و) شود. در مطالعات Gilbert و همکاران (10) Coker و همکاران (18) نیز افزایش میزان مهاجرت سبب افزایش در میزان ابتلا به بیماري سل شده بود. در مطالعه حاضر به ازاي ی ک واحد افزایش در ضریب شهرنشینی میزان ابتلا به بیماري سل به میزان 0/9 افزایش یافت. با وجود شهرنشینی تماس افراد زیاد بوده و از طرفی تراکم جمعی ت زیاد شده و ممکن است از طرفی مهاجرت به شهرها از مناطقی با میزان بالاي سل صورت گرفته باشد که زمینه را براي افزایش میزان ابتلا به بیماري سل افزایش می افزاید. در مطالعه Kwan و Ernst نیز یکی از دلایل افزایش ابتلا به بیماري سل افزایش ضریب شهرنشینی ذکر گردید (9). در مطالعه ما با افزایش ی ک بیسوادي به ترتیب میزان ابتلا به بیماري سل 019/ و 0 واحد در میزان بیکاري و میزان 0/035 افزایش نشان داد. چرا که این افراد اطلاعات کمتري در مورد واکسینه شدن بهداشت و راهه يا پیشگیري و مبارزه دارند و با عوامل خطر بیشتري مواجه هستند. در مطالعه Vendramini و همکاران بیسوادي (5 در و) مطالعه Coker و همکاران بیکاري (18) باعث افزایش موارد ابتلا به بیماري سل شده بود. در مطالعه Vendramini و همکاران با افزایش درآمد میزان ابتلا به بیماري سل کاهش نشان داد (5). همچنین در مطالعه Bhunu و همکاران انتقال بیماري سل در جوامع فقیرتر بالاتر گزارش شد (8). در مطالعه حاضر شاخص درآمد و ابتلا به بیماري سل با مدل دوجملهاي منفی معنیدار نبود. دلی ل آن ممکن است بهخاطر اثر دیگر شاخصها بوده باشد. از طرفی در شهرستانهایی که درآمد به نسبت بالا است هزینهها هم به نسبت بالا بوده و تفاوت بین هزینه و درآمد در شهرستانها تقریبا مشابه است. همچنین بین تعداد پزشکان به تعداد نقاط جمعیتی و ابتلا به بیماري سل رابطه معنیدار نبود. ممکن است براي بعضی از شهرستانها تعداد نقاط جمعیتی مثل روستاها بیشتر بوده و این شاخص کمتر شده باشد. از طرفی ممکن است با افزایش تعداد پزشک امکان تشخیص بهتر بیماران مبتلا به سل فراهم آمده و تعداد افراد مبتلا افزایش نیافته است. در مطالعه Vendramini و همکاران یک ی ابتلا به بیماري سل دسترسی به پزشک معرفی شد (5). نتیجهگیري از عوامل کاهش نتایج این مطالعه نشان داد که شاخصهاي اجتماعی اقتصادي با موارد ابتلا به بیماري سل مرتبط است. همچنین استفاده از مدل دوجمله اي منفی براي داده هاي شمارشی در مقایسه با مدل رگرسیونی پواسون (داراي بیشپراکنش) ارجحیت داشت. تشکر و قدردانی این مقاله حاصل پایاننامه خانم فاطمه سروي براي اخذ درجه کارشناسی ارشد در رشته آمار زیستی از دانشکده پیراپزشکی دانشگاه علوم پزشکی شهیدبهشتی بود. نویسندگان مقاله از همکاري آقاي یوسف بشیري تشکر مینمایند.
فاطمه سروي و همکاران / 91 References 1. Nasehi M, Mirhaghaani L. [Guideline for control TB]. 2 nd. Tehran: Andishmand Publication. 2009; pp: 5-17. [Persian] 2. World Health Organization. Addressing Poverty in TB Control. Options for National TB Control Programmes (WHO/HTM/TB/2005.352) 3. Arsang Sh, Kazemnejad A, Amani F. [Epidemilogy of tuberculosis in Iran (2001-08)]. J Gorgan Uni Med Sci. 2001; 13(3): 78-86. [Article in Persian] 4. Figueroa-Munoz JI, Ramon-Pardo P. Tuberculosis control in vulnerable groups. Bull World Health Organ. Sep 2008; 86(9): 733-5. 5. Vendramini SH, Santos ML, Gazetta CE, Chiaravalloti-Neto F, Ruffino-Netto A, Villa TC. Tuberculosis risks and socio-economic level: a case study of a city in the Brazilian south-east, 1998-2004. Int J Tuberc Lung Dis. 2006 Nov;10(11):1231-5. 6. Hawker JI, Bakhshi SS, Ali S, Farrington CP. Ecological analysis of ethnic differences in relation between tuberculosis and poverty. BMJ. 1999 Oct;319(7216):1031-4. 7. Sánchez-Pérez H, Flores-Hernández J, Jansá J, Caylá J, Martín- Mateo M. Pulmonary tuberculosis and associated factors in areas of high levels of poverty in Chiapas, Mexico. Int J Epidemiol. 2001 Apr;30(2):386-93. 8. Bhunu CP, Mushayabasa S, Smith RJ. Assessing the effects of poverty in tuberculosis transmission dynamics. Appl Math Model. 2012; 36(9):4173-85. 9. Kwan CK, Ernst JD. HIV and tuberculosis: a deadly human syndemic. Clin Microbiol Rev. 2011 Apr;24(2):351-76. 10. Gilbert RL, Antoine D, French CE, Abubakar I, Watson JM, Jones JA. The impact of immigration on tuberculosis rates in the United Kingdom compared with other European countries. Int J Tuberc Lung Dis. 2009 May;13(5):645-51. 11. McBryde ES, Denholm JT. Risk of active tuberculosis in immigrants: effects of age, region of origin and time since arrival in a low-exposure setting. Med J Aust. 2012 Oct;197(8):458-61. 12. Hilbe JM. Negative Binomial Regression. 1 st. Cambridge: Cambridge University Press. 2007; pp: 142-6. 13. Talbot EA, Moore M, McCray E, Binkin NJ. Tuberculosis among foreign-born persons in the United States, 1993-1998. JAMA. 2000 Dec;284(22):2894-900. 14. Kutner M, Nachtsheim C, Neter J, Li W. Applied Linear Statistical Models. 5 th. New York: McGraw-Hill/Irwin. 2004; pp: 359-60. 15. Lambert D. Zero-inflated poisson regression, with an application to defects in manufacturing. Technometrics. 1992; 34(1):1-14. 16. Greene WH. Accounting for excess zeros and sample selection in poisson and negative binomial regression models. New York: New York University Stern School of Business. 1994; no EC-94-10. Available at SSRN:http://ssrn.com/abstract=1293115 17. Rezaeian M, Dunn G, St Leger S, Appleby L. Geographical epidemiology, spatial analysis and geographical information systems: a multidisciplinary glossary. J Epidemiol Community Health. 2007 Feb;61(2):98-102. 18. Coker RJ, McKee M, Atun R, Rechel B, Dodonova E, Kuznetsov S, et al. Risk factors for pulmonary tuberculosis in Russia: a case-control study. British Medical Journal (BMJ). 2006; 332(7533): 85-7.
Journal of Gorgan University of Medical Sciences / 92 Winter 2015 / vol 16 / no 4 Original Paper Relationship between socio-economic factors and tuberculosis using negative binomial and Poisson regression models Sarvi F (M.Sc) 1, Mehrabi Y (Ph.D)* 2, Abadi AR (Ph.D) 3 Nasehi M (Ph.D) 4, Payandeh A (Ph.D) 5 1 M.Sc in Biostatistics, Department of Biostatistics and Epidemiology, Paramedical Sciences Faculty, Shahid Beheshti University of Medical Sciences, Tehran, Iran. 2 Professor, Department of Epidemiology, School of Public Health, Shahid Beheshti University of Medical Sciences, Tehran, Iran. 3 Associate Professor, Department of Health and Community Medicine, School of Medicine Sciences, Shahid Beheshti University of Medical Sciences, Tehran, Iran. 4 Assistant Professor, Department of Epidemiology, School of Public Health, Shahid Beheshti University of Medical Sciences, Tehran, Iran. 5 Ph.D Candidate in Biostatistics, Department of Biostatistics and Epidemiology, Paramedical Sciences Faculty, Shahid Beheshti University of Medical Sciences, Tehran, Iran. Abstract Background and Objective: Tuberculosis (TB) is the most important cause of death worldwide. The main reason for the increasing global burden of TB are severe poverty and class distinctions between rich and poor population groups in various communities. This study was performed to determine the relationship between socio-economic factors and TB using negative binomial and Poisson regression models. Method: This descriptive - analytic study was conducted on 11320 TB affected patients in Iran during 2010. Data was gathered from the Iranian Ministry of Health and Medical Education. The relationship between the numbers of cases with socio-economic indicators was determined using negative binomial and Poisson models. Fitting models were compared using AIC (Akaike Information Criterion) and BIC (Bayesian Information Criterion). Results: The Poisson regression model showed a significant relationship between the TB mortality rate and socio-economic factors (P<0.05). Negative binomial regression model showed a significant relationship between TB and unemployment, illiterate, immigration and urban residency (P<0.05). Negative binomial regression model showed no relationship between TB and family size, physicians ratio to the number of population centers and annual average income. Conclusion: There is a significant impact of socio-economic factors with the number of TB cases. Negative binomial regression model is suitable for accountable data in comparision with Poisson regression model. Keywords: Tuberculosis, Socio-economic indicators, Negative binomial regression model, Poisson regression model * Corresponding Author: Mehrabi Y (Ph.D), E-mail: mehrabi@sbmu.ac.ir Received 2 Dec 2013 Revised 20 Apr 2014 Accepted 20 Apr 2014 This paper should be cited as: Sarvi F, Mehrabi Y, Abadi AR, Nasehi M, Payandeh A. [Relationship between socioeconomic factors and tuberculosis using negative binomial and Poisson regression models]. J Gorgan Uni Med Sci. 2015; 16(4): 87-92. [Article in Persian]