|
|
مدلسازی پیشرفته مبتنی بر کمترین مربعات جزئی مصدومیت منجر به بستری موتورسواران شهر تبریز
|
|
|
|
|
نویسنده
|
حسنزاده شیلا ,اصغری جعفرآبادی محمد ,صادقی بازرگانی همایون
|
منبع
|
مطالعات مديريت ترافيك - 1397 - شماره : 51 - صفحه:31 -52
|
چکیده
|
حوادث ترافیکی جاده ای یک مشکل جدی بهداشت عمومی در دنیا است به طوریکه مرگومیر ناشی از حوادث ترافیکی جاده ای در کشورهای با درآمد کم و متوسط اتفاق می افتد. در کشورهای با درآمد کم و متوسط با درآمد بالا، عابران پیاده، موتورسواران و دوچرخهسواران سهم بالایی از استفادهکنندگان وسایل نقلیه را تشکیل می دهند و نیمی از کشتهکنندگان حوادث ترافیکی را در کشور موتورسواران تشکیل می دهند. هدف مطالعه حاضر، تعیین میزان پیشگویی مدل معادلات ساختاری مبتنی بر کمترین مربعات جزئی برای مصدومیت منجر به بستری موتورسواران در یک مطالعه مورد- شاهدی است. مطالعه حاضر، مطالعه مورد- شاهدی است که 300 مورد و 156 کنترل دارد و50 خوشه از بین 150 خوشه به صورت نمونه گیری تصادفی خوشه ای انتخاب شد. یافته های این مطالعه نشان داد که با توجه به برتری مدل sem بر pls نتایج نشان داد که رفتارهای حرکتی موتورسواران، بیش فعالی بزرگسالان، رفتار موتورسواران و مشخصات دموگرافیک بهعنوان متغیرهای پیش بینی برای متغیر پاسخ آسیب لحاظ شدند. همچنین رابطه مستقیم، مثبت و معناداری برای متغیرهای رانندگی در ساعات تاریک (or=1/01، p<0.001) کودک بیش فعال (or=1/65، p=0/057) صحبت کردن با تلفن همراه (or=2/22، p=0/010) و mrbq (رفتار حرکتی موتورسواران) (or=1/28، p=0/092) همچنین رابطه معکوس و معنا داری نیز بین متغیرهای وضعیت تاهل (or=0/43، p=0/002) و سطح تحصیلات (or= 0/29، p<0.001) مشاهده شد. نتایج نشان داد در داده های حاضر مدل معادلات ساختاری مبتنی بر کمترین مربعات جزئی که مدل بهتری است پیشنهاد می شود که نتایج آن را می توان برای داده های ترافیکی مورد بررسی قرار داد.
|
کلیدواژه
|
مدل معادلات ساختاری تعمیمیافته، کمترین مربعات جزئی، ترافیک، آسیب، رفتار موتورسواران، بیشفعالی بزرگسالان
|
آدرس
|
دانشگاه علوم پزشکی تبریز, دانشکده بهداشت, آمار و اپیدمیولوژی, ایران, دانشگاه علوم پزشکی تبریز, دانشکده بهداشت, آمار و اپیدمیولوژی, ایران, دانشگاه علوم پزشکی تبریز, مرکز تحقیقات پیشگیری از مصدومیت های ترافیکی جاده ای, ایران
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|