بررسی پیشگویی مصدومیت منجر به بستری موتورسواران: مطالعه مورد- شاهدی

مقدمه و هدف: حوادث ترافیکی جاده ای یکی از مشکلات جدی بهداشت عمومی در دنیا می باشد که پیشگیری از آن ضروری است. از آنجایی که، مدل معادلات ساختاری تعمیم یافته روشی برای آزمون دقیق مدل های نظری و مدل سازی های علیتی می باشد. هدف مطالعه حاضر، تعیین پیشگویی کننده‌های مصدومیت منجر به بستری موتورسواران با در نظر گرفتن نقش میانجیگری متغیر mrbq برای متغیرهای زمینه ای و بیش فعالی در یک مطالعه مورد- شاهدی توسط مدل gsem می باشد.مواد و روش ها: در مطالعه حاضر، تعداد 303 مورد (موتورسواران مرد ترومایی) و 153 کنترل (موتورسواران مرد غیرترومایی) براساس نمونه گیری تصادفی خوشه ای انتخاب شدند. از پرسشنامه های mrbq، adhd و چک لیست محقق ساخته استفاده شد. برای بررسی روابط خطی مستقیم و غیرمستقیم متغیرها در قالب مدل مفهومی و با توجه به متغیر پاسخ دوحالتی از gsem استفاده شد. تحلیل داده ها توسط نرم افزار stata14 انجام گرفت.یافته ها: پیش بینی کننده های آسیب: رفتارهای حرکتی 0موتورسواران، بیش فعالی و مشخصات دموگرافیک بودند. به طوریکه، رابطه خطی مثبت، معنی دار و مستقیم بین شانس رخداد آسیب با صحبت کردن به وسیله تلفن همراه (or= 2.22, p= 0.010)، رانندگی در ساعات تاریک(،or= 1.01, p= 0.001)، داشتن کودک بیش فعال(or= 1.65, p= 0.057) و رفتار حرکتی موتورسواران (or= 1.27, p= 0.092) بود، درحالیکه رابطه معکوس و معنی داری بین شانس رخداد آسیب با وضعیت تاهل  (or= 0.43, p= 0.002)و تحصیلات دانشگاهی (0/001=p، 0/29=or) مشاهده شد.نتیجه گیری: بر مبنای نتایج بدست آمده، برنامه های مداخله ای، درمورد افراد بیش فعال، کسانی که از تلفن همراه در حین رانندگی استفاده می کنند و در ساعت های تاریک رانندگی می کنند، بسیار توصیه می شود.

investigating predictors of injury leading to motorcyclist hospitalization: a case-control study

background and aim: traffic and its related problems are among the most important public health concerns in the world and prevention of these problems are necessary. gsem model is a method to test theoretical models and causal modeling exactly. the objective of the present study was to investigate the predictors of injuries leading to hospitalization of motorcyclists considering mrbq as a mediator in this case-control study, using a generalized structural equation modeling (gsem). methods: in this case-control study, we selected 303 cases (motorcyclists admitted for a traumatic condition) and 153 controls (motorcyclists admitted for a non-traumatic condition) using a cluster random sampling method in tabriz, iran. we used a motorcycle-riding behavior questionnaire (mrbq), attention-deficit/hyperactivity disorder (adhd) questionnaire, and a researcher-made checklist. gsem model was used to examine the direct linear and indirect linear relationships of variables in the conceptual model, considering the binary response variable of the model. data analysis was performed by stata14 software.results: the predictors of injury were: mrbq, adhd, and demographic characteristics. the results indicated significant linear and direct relationships between odds of injury and cell phone answering (or= 2.22, p= 0.010), hyperactive child (or= 1.65, p= 0.057), dark hour riding (or= 1.01, p= 0.001) and mrbq (or= 1.27, p= 0.092), while there were significant inverse relationships between injury and marital status (or= 0.43, p= 0.002), and academic education (or= 0.29, p= 0.001).conclusions: according to the results of our study, intervention programs on the adhd, use of cell phone while driving, and dark hour riding are highly recommended