بررسی رابطه نوبت‌کاری با کلسترول بالا در کارکنان شرکت فولاد مبارکه اصفهان با استفاده از مدل‌های اثرات تصادفی و اثرات تصادفی حاشیه‌ای شده

هدف: اختلال در چربی‌های خون یکی از عوامل خطرساز مهم در بروز بیماری‌های قلبی عروقی است. به دلیل شیوع بالای اختلال‌ در چربی‌های خون شناسایی عوامل موثر بر این مساله سلامت از اهمیت زیادی برخوردار است. برخی از پژوهشگران عقیده دارند نوبت‌کاری در ابتلا به کلسترول بالا کارکنان بخش صنعتی نقش دارد. هدف از این مطالعه بررسی رابطه بین نوبت‌کاری و ابتلا به کلسترول بالا در کارکنان شرکت فولاد مبارکه اصفهان بود.مواد و روش‌ها: مطالعه حاضر، مطالعه‌ی هم‌گروهی گذشته‌نگر است که بر روی 7677 نفر از کارکنان مرد شرکت فولاد مبارکه اصفهان طی سال‌های 1384 تا 1394 انجام شده است. داده‌ها با مراجعه به پرونده‌های پزشکی معاینات ادواری جمع‌آوری شده است. در این مطالعه دو مدل اثرات تصادفی و اثرات تصادفی حاشیه‌ای شده با عرض ‌از مبدا تصادفی برای بررسی رابطه بین نوبت‌کاری با کلسترول بالا با تعدیل اثر متغیرهای سن، bmi و استعمال سیگار برازش داده شده است. در انتها نتایج حاصل از نیکویی برازش بر اساس آماره (aic) این مدل‌ها با یک‌دیگر مقایسه شد. یافته‌ها: از مجموع 7677 پرسنل، 4372 نفر (56.9%) نوبت‌کار و 2429 نفر (31.6%) مبتلا به کلسترول بالا بودند. با تعدیل اثر متغیرهای سن، bmi و استعمال سیگار، رابطه معنی‌دار بین نوبت‌کاری و کلسترول بالا در مدل‌های اثرات تصادفی و اثرات تصادفی حاشیه‌ای شده مشاهده نشد. اثر متغیرهای سن (p<0.0001)، استعمال سیگار (0.0010=p) و bmi (0.0001p<) در مدل اثرات تصادفی و اثر متغیرهای سن (0.0001=p)، استعمال سیگار (0.0006=p) و bmi (p<0.0001) در مدل اثرات تصادفی حاشیه‌ای شده بر ابتلا به کلسترول بالا معنی دار بودند.نتیجه‌گیری: در این مطالعه رابطه معنی‌داری بین نوبت‌کاری و ابتلا به کلسترول بالا مشاهده نشده است. نبود رابطه معنی‌دار ممکن است به خاطر استخدام کارکنان سالم به‌صورت نوبت‌کاری باشد. به‌طورکلی به‌منظور به‌دست آوردن نتایج مطمئن‌تر انجام مطالعات دیگری با حجم نمونه بزرگ‌تر در صنایع مختلف (مطالعات چندمرکزی) و تعدیل متغیرهای بیش‌تر مانند مدت زمان نوبت‌کار بودن کارکنان و میزان اضافه کار و غیره پیشنهاد می‌شود

Relationship between shiftwork with hypercholesterolemia in Isfahan’s Mobarakeh Steel Company staff using random effects and marginalized random effects models

Introduction: Disorders of blood lipids (Dislipidemia) are one of the most important risk factors for cardiovascular disease. Due to the high prevalence of impaired blood lipids, it is important to identify the factors that affect this health issue. Some researchers believe that shifting the cholesterol in the industrial sector has a role to play. The purpose of this study was to investigate the relationship between shifting and high cholesterol in employees of Mobarakeh Steel Company in Isfahan (Iran).Materials and Methods: This historical cohort study was conducted on 7677 male staff of Isfahan rsquo;s Mobarakeh Steel Company during 2005 - 2015. The data was gathered using the recorded information in the periodic medical examination files. In this study, we fitted usual random intercept and the marginalized random intercept models for assessing the effect of shiftwork on hypercholesterolemia. Correspondingly, estimaties were adjusted for age, body mass index (BMI) and smoking status. Finally, the goodness of fit indices for these models was compared. Statistical analyses were performed using the SAS software version 9.3 and R software version 2.8.1.Results: A total of 7677 staff including 4372 (56.9%) shiftworker and 2429 (31.6%) hypercholesterolemia was studied. After adjusting for age, body mass index (BMI) and smoking status, we found no significant relationship between shiftwork and hypercholesterolemia, using both the random effects and marginalized random effects models. In Random effects model; age (P<0.0001), smoking status (P=0.0010), BMI (P<0.0001), and in marginalized random effect model; age (P=0.0001), smoking status (P=0.0006), BMI (P<0.0001) effects were significant.Conclusion: In this study, there is no significant relationship between shifting and high cholesterol intake. The lack of a meaningful relationship may be due to the recruitment of healthy employees by shift work. Generally, in order to obtain more reliable results, it is suggested that other studies with a larger sample size in different industries (multicentric studies) be adjusted and more variables are adjusted, such as the length of staff shift, overtime, etc