fa کاربرد رگرسیون چندک در تعیین عوامل مرتبط با ید دفعی ساکنین شهر تهران تغذيه Nutrition پژوهشی Original مقدمه: رگرسیون چندک بدون داشتن محدودیت مفروضات رگرسیون معمولی، امکان دخالت متغیرهای مستقل در تمام قسمت‌های توزیع به ویژه در دنباله‌های ابتدایی و انتهایی را فراهم می‌نماید. هدف پژوهش حاضر، به‌کارگیری مدل رگرسیون چندک برای داده‌های ید دفعی ساکنین تهران و عوامل مرتبط با آن بود. مواد و روش‌ها: در پژوهش حاضر، از داده‌های مطالعه‌ی مقطعی که در آن 639 فرد 19 ساله و بالاتر با روش نمونه‌گیری تصادفی خوشه‌ای از سطح شهر تهران (88-1387) انتخاب شده بود، استفاده گردید. به دلیل چولگی غلظت ید ادرار 24 ساعته (UIC24) و به منظور بررسی نقاط فرین آن، از مدل رگرسیون چندک خطی استفاده شد. UIC24 بر حسب متغیرهای محتوای ید نمک مصرفی و میزان نمک دریافتی مدل‌سازی شد. با جایگزینی این متغیرها توسط میزان ید دریافتی، مدل دیگری برازش یافت و هر دو مدل بر اساس سن تعدیل شدند. ضرایب مدل‌، از روش برنامه‌ریزی خطی و با استفاده از الگوریتم سیمپلکس‌ برآورد گردید. معنی‌داری متغیرها از روش بوت‌استرپ و نیکویی برازش مدل‌ها با شاخص آکائیک(AIC) بررسی شد. تجزیه و تحلیل آماری با نرم‌افزار R نسخه‌ی 2 .12. 2 انجام گرفت. یافته‌ها: برازش مدل 1 نشان داد در طول صدک‌های مورد بررسی UIC24، ضریب محتوای ید نمک مصرفی و میزان نمک دریافتی افزایش و ضریب سن کاهش یافت. مدل 2 یافته‌های مشابهی را نشان داد اما در صدک‌های پایین‌تر از میانه برازش بهتری داشت (AIC کمتر). نتیجه‌گیری: برای مدل‌سازی تمام قسمت‌های توزیع ید دفعی و ارایه‌ی شکل رگرسیونی کامل، رگرسیون چندک مناسب‌تر از رگرسیون معمولی است. Introduction: Quantile regression can be applied to model skewed variables, especially, when the objective is to model the tails of a response variable with highly skewed distribution. The aim of this study is to apply quantile regression to analyze urine iodine data and related factors in a Tehranian population. Materials and Methods: Data was collected in a cross-sectional study, in which 639 subjects, aged 19 years and over, were enrolled through randomized cluster sampling in Tehran between 2008-9. Due to the high skewness of 24hr urinary iodine concentrations (UIC24) and to evaluate its extreme points, two linear quantile regression models were fitted. In model I, UIC24 was regressed on iodine content of salt and daily salt intake. These variables were replaced by iodine intake in model II, both models were adjusted by age. Model coefficients were estimated using the linear programming method and simplex algorithm. Significancy of the variables were evaluated by the bootstrap method. The Akaike information criterion (AIC) was used to assess the fitting of the models. All analyses were performed using R software version 2.12.2. Results: Model I showed an increase in coefficients of iodine content of salt, daily salt intake, but a decrease in age coefficient in the length of the urinary iodine concentration percentiles. Model II showed similar results, but better fit (smaller AIC) in percentiles lower than median. Conclusion: Compared to ordinary regression, quantile regression models showed better fit, and a more complete picture and are recommended for modeling all parts of UIC24. رگرسیون چندک، ید دفعی ادرار، نقاط فرین، ید دریافتی Quantile regression, Urine iodine, Extreme points, Iodine intake 33 40 http://ijem.sbmu.ac.ir/browse.php?a_code=A-10-1432-1&slc_lang=fa&sid=1 elahe biganeh الهه بیگانه elahe_biganeh@yahoo.com 4000319475328460019944 4000319475328460019944 No yadollah mehrabi یدالله محرابی ymehrabi@gmail.com 4000319475328460019945 4000319475328460019945 Yes parvin mirmiran پروین میرمیران mirmiran@eudocrine.ac.ir 4000319475328460019946 4000319475328460019946 No aliakbar khadem maboudi علی اکبر خادم معبودی amaboudi@sbmu.ac.ir 4000319475328460019947 4000319475328460019947 No pantea nazeri پانته آ ناظری nazeri.pantea@gmail.com 4000319475328460019948 4000319475328460019948 No