fa پیش‌بینی میزان فراخوان در غربالگری کم‌کاری مادرزادی تیروئید غدد درون‌ریز Endocrinology ویژه Special مقدمه: فراخوان نوزادان با آزمون‌های اولیه غیرطبیعی در غربالگری کم‌کاری مادرزادی تیروئید، اولین گام در شناسایی و درمان نوزادان هیپوتیروئید است. با توجه به اهمیت میزان فراخوان در ارزیابی هزینه ـ سود و قابل اجرا بودن برنامه غربالگری کم‌کاری مادرزادی تیروئید، پیش‌بینی میزان فراخوان می‌تواند نقش بسزایی در بهینه‌سازی تخصیص نیروها و جلوگیری از اتلاف آن ایفا نماید. این مقاله شامل بررسی روند سری زمانی میزان فراخوان نوزادان در طرح غربالگری کم‌کاری مادرزادی تیروئید است. مواد و روش‌‌ها: از فروردین 1377 تا اسفند 1380 (48 ماه) نمونه‌های خون بندناف از 8 بیمارستان و یک مرکز تسهیلات زایمانی در تهران و شبکه بهداشتی ـ درمانی دماوند بر روی کاغذ فیلتر (Whatman BFC 180) گرداوری گردید. مقادیر TSH با روش two-site IRMA اندازه‌گیری و موارد با mU/L 20 ≤ TSH فراخوان شدند. میزان فراخوان ماهانه (نسبت تعداد موارد با mU/L 20 ≤ TSH به تعداد کل تولدهای زنده هر ماه) برای 48 ماه متوالی ثبت گردید. به منظور برازش یک مدل خطی برای پیدا کردن روند میزان فراخوان، مدل‌های خطی (ARIMA) Box-Jenkins مورد ارزیابی قرار گرفتند و در انتها مدل اتورگرسیو (Autoregressive) جهت پیش‌بینی انتخاب گردید. یافته‌ها: از 29908 نمونه بندناف، 314 نوزاد دارای mU/L 20 ≤ TSH (05/1%) فراخوان شدند که از بین آنها 32 نوزاد، یعنی 10% فراخوان شده‌ها، هیپوتیروئید بودند (1 مورد در هر 935 تولد). داده‌های سری زمانی مورد بررسی، شرط نرمالیتی (716/0 = p) و ایستایی را دارا بودند. برازش حالت خاصی از مدل (3)AR نشان داد که می‌توان میزان فراخوان هر ماه (Zt) را با استفاده از میزان فراخوان سه ماه قبل از آن (3-Zt) پیش‌بینی نمود. مدل خودبازگشت (اتورگرسیو) برای این پیش‌بینی به صورت et  3-Zt 45/0  67/0 ≤ Zt به دست آمد که پارامترهای آن معنی‌دار بودند (003/0>p). نتیجه‌گیری: پیش‌بینی میزان فراخوان نوزادان از مدل اتورگرسیو تبعیت می‌نماید. Introduction: The recall of neonates with primary abnormal tests has almost always been considered the first step in the detection of congenital hypothyroidism (CH) in the CH screening programs. Considering recall rate as one of the indicators of cost-benefit and operational feasibility assessment of a program, forecasting of recall rate(s) could be beneficial to an optimized allocation of funds and resources. The trend of time-series of neonatal monthly recall rates was assessed in this report. Methods: From March 1998 to March 2002 (48 months), cord blood spot samples from 8 hospitals and a rural birth center in Tehran and Damavand District were collected on filter papers (Whatman BFC 180). TSH values were measured in the Endocrine Research Center laboratory using a two-site IRMA method. Primary TSH levels  20 mU/L were considered abnormal and recalled for serum confirmatory tests. Monthly recall rate (total number of primary TSH levels  20 mU/L to total live births per month  100) was recorded for 48 consecutive months. Monthly recall rates were analyzed using linear models of Box and Jenkins (ARIMA). The autoregressive model was fitted to forecast the next recall rates with a 95% confidence interval. Results: Out of 29908 cord blood spot samples, 314 showed TSH levels  20 mU/L (total recall rate of 1.05%) of whom 32 had CH (1: 935 live births). Total data showed normal distribution and were stationary. Fitting of particular type of AR(3) model showed that monthly recall rate is predictable according to the recall rate obtained three months ago. Therefore, the autoregressive model of zt = 0.67 + 0.45 zt-3 + et, with significant parameters (p  0.003), was obtained to forecast the next recall rates, ultimately. Conclusion: Forecasting of monthly recall rates is possible using the autoregressive model. ،غربالگری نوزادان،تیروتروپین،هیپوتیروئیدیسم،کرتینیسم،سری‌های زمانی،مدل‌های آماری : Neonatal screening, Thyrotropine, Hypothyriodism, Cretinism,Time series, Statistical model 133 138 http://ijem.sbmu.ac.ir/browse.php?a_code=A-10-6-129&slc_lang=fa&sid=1 A Ordookhani دکتر آرش اردوخانی ordookhani@erc-iran.com 400031947532846001918 400031947532846001918 Yes R Mirmiran دکتر رضا نجفی اسداللهی 400031947532846001919 400031947532846001919 No Y Mehrabi دکتر یداله محرابی 400031947532846001920 400031947532846001920 No A Goldasteh اکبر گلدسته 400031947532846001921 400031947532846001921 No M Padyab مژگان پادیاب 400031947532846001922 400031947532846001922 No P Najafi پروین میرمیران 400031947532846001923 400031947532846001923 No R Hajipour دکتر رامبد حاجی پور 400031947532846001924 400031947532846001924 No F Azizi دکتر فریدون عزیزی 400031947532846001925 400031947532846001925 No