رفتن به محتوای اصلی

سواد سلامت، پایبندی به دارو و کیفیت زندگی در بزرگسالان دارای بیماری مزمن در اردن: نتایج مقطعی و مقایسه روش‌های رگرسیونی و یادگیری ماشینی

سواد سلامت، پایبندی به دارو و کیفیت زندگی در بزرگسالان دارای بیماری مزمن در اردن: نتایج مقطعی و مقایسه روش‌های رگرسیونی و یادگیری ماشینی

خلاصه سریع برای خواننده

  • یک مطالعهٔ آنلاین مقطعی در اردن با ۹۰۱ شرکت‌کنندهٔ بالغ مبتلا به حداقل یک بیماری مزمن انجام شد.
  • سواد سلامت و پایبندی به دارو با نمره‌های کیفیت زندگی (LTCQ و EQ-5D-3L) ارتباط مثبت و معناداری نشان دادند.
  • LTCQ بیشتر با عوامل روان‌اجتماعی و خودمدیریتی مرتبط بود؛ در حالی که EQ-5D-3L بیشتر با بار دارویی و هم‌وجودی‌های بالینی همبسته بود.
  • محققان هم روش‌های رگرسیون سنتی و هم مدل‌های یادگیری ماشینی را به‌کار گرفتند؛ مدل‌های یادگیری ماشینی ابعاد غیرخطیِ روابط را نشان دادند اما جایگزین رگرسیون‌های قابل تفسیر نشدند.
  • نتایج ارتباطی هستند و نمی‌توان از آن‌ها نتیجه‌گیری علت و معلولی کرد.

مقدمه

افزایش بار بیماری‌های مزمن در سراسر جهان اهمیت توجه به کیفیت زندگی و عوامل تعیین‌کنندهٔ آن را برجسته ساخته است. یکی از این عوامل، سواد سلامت است که توانایی فرد را در دسترسی، درک و استفاده از اطلاعات سلامت برای تصمیم‌گیری‌های مرتبط با مراقبت‌های بهداشتی توصیف می‌کند. همچنین پایبندی به درمان دارویی نقش محوری در کنترل بیماری‌های مزمن دارد و می‌تواند بر کیفیت زندگی تأثیر بگذارد. مطالعهٔ حاضر که در «The Libyan Journal of Medicine» منتشر شده، تلاش کرده تا این رابطه‌ها را در جمعیتی از بزرگسالان اردنی مبتلا به بیماری‌های مزمن بررسی کند و هم‌زمان دو ابزار گزارش‌شده توسط بیمار را مقایسه نماید: «Long-Term Conditions Questionnaire (LTCQ)» و «EuroQol five-dimension three-level (EQ-5D-3L)».

هدف مطالعه و چارچوب کلی

هدف این تحقیق دوگانه بوده است: نخست، بررسی ارتباط بین سواد سلامت و شاخص‌های کیفیت زندگی در افراد دارای بیماری مزمن؛ و دوم، مقایسهٔ الگوهای ارتباطی که هر یک از دو معیار کیفیت زندگی (LTCQ و EQ-5D-3L) با شاخص‌های مختلف مانند پایبندی دارویی، بار دارویی و تعداد هم‌وجودی‌ها نشان می‌دهند. همچنین پژوهش روش‌های تحلیل سنتی رگرسیونی را در کنار مدل‌های یادگیری ماشینی قرار داده تا تفاوت‌های احتمالی در کشف روابط خطی و غیرخطی را بررسی کند.

روش‌ها

طرح، نمونه و ابزارها

مطالعه یک بررسی مقطعی آنلاین بود که در اردن انجام شد. شرکت‌کنندگان افراد بالای ۱۸ سال با حداقل یک بیماری فیزیکی، روانی یا عصبی مزمن بودند. پرسشنامه‌ها به زبان عربی تکمیل شدند و متوسط زمان تکمیل ۱۰ تا ۱۲ دقیقه گزارش شده است. از ابزارهای زیر استفاده شد:

  • Long-Term Conditions Questionnaire (LTCQ) — ابزار گزارش‌شدهٔ بیمار برای سنجش جنبه‌های مختلف تأثیر بیماری‌های مزمن.
  • EQ-5D-3L — یک پرسشنامهٔ استاندارد برای سنجش کیفیت زندگی مرتبط با سلامت با پنج بعد و سه سطح شدت.
  • Medication Adherence Report Scale (MARS-5) — برای اندازه‌گیری خودگزارشِ پایبندی به دارو.
  • Health Literacy Scale (HLS-Q12) — مقیاس ۱۲ سوالی برای ارزیابی سواد سلامت.

در مجموع ۹۰۱ پاسخ کامل برای تحلیل وارد شد و داده‌ها به مجموعهٔ آموزش (n≈۶۳۳) و آزمون (n≈۲۶۸) تقسیم شدند.

تحلیل داده‌ها

برای مدل‌سازی روابط، از روش‌های زیر استفاده شد:

  • رگرسیون خطی چندگانه برای پیش‌بینی نمرهٔ LTCQ.
  • رگرسیون توبیت (Tobit) برای مدل کردن شاخص EQ-5D-3L که اغلب دارای توزیع محدود است.
  • مدل‌های یادگیری ماشینی برای کشف ارتباطات غیرخطی و بررسی توان پیش‌بینی در مجموعهٔ آزمون.

نتایج کلیدی

تحلیل‌ها نشان دادند که سواد سلامت و پایبندی به دارو هر دو با نمره‌های بالاتر در LTCQ و EQ-5D-3L به‌طور معناداری مرتبط بودند. در مدل رگرسیونی برای LTCQ، ضریب مربوط به سواد سلامت و پایبندی دارویی به‌ترتیب حدوداً ۳.۹۲ و ۲.۲۲ گزارش شدند (ضرایب و سطح معنی‌داری دقیق در متن کامل مقاله ارائه شده است).

یک یافتهٔ مهم این بود که LTCQ بیشتر با متغیرهای روان‌اجتماعی و خودمدیریتی (self-management) مثل احساس کنترل، توانایی مدیریت علائم و حمایت اجتماعی همبسته بود؛ در حالی که EQ-5D-3L الگوی ارتباطی متفاوتی نشان داد و بیشتر با بار دارویی (تعداد و پیچیدگی داروها) و تعداد هم‌وجودی‌های بالینی مرتبط بود.

مدل‌های یادگیری ماشینی توانستند برخی الگوهای غیرخطی را شناسایی کنند ولی در عمل جایگزین روش‌های رگرسیونی که تفسیرپذیری بیشتری دارند نشدند؛ بنابراین نویسندگان بر استفادهٔ مکمل این دو رویکرد تأکید کردند.

تفسیر نتایج

نتایج نشان می‌دهد که سواد سلامت و پایبندی به درمان با کیفیت زندگی افراد مبتلا به بیماری‌های مزمن ارتباط دارند، اما این ارتباط را نباید به‌عنوان رابطهٔ علت و معلولی تفسیر کرد. به‌عبارت دیگر، افزایش سواد سلامت ممکن است با بهبود توانمندی‌های خودمدیریتی و در نتیجه نمرات بالاتر کیفیت زندگی همبسته باشد، اما مطالعهٔ مقطعی نمی‌تواند نشان دهد که آیا سواد سلامت سبب بهبود کیفیت زندگی می‌شود یا برعکس.

تفاوت الگوی ارتباطی دو ابزار اندازه‌گیری (LTCQ و EQ-5D-3L) نیز نشان می‌دهد که هر یک از این پرسشنامه‌ها بر جنبه‌های متفاوتی از تجربهٔ بیمار تمرکز دارند؛ LTCQ ابعاد روان‌اجتماعی و خودمدیریتی را بهتر صید می‌کند، در حالی که EQ-5D-3L می‌تواند حساس‌تر به بار دارویی و شاخص‌های بالینی باشد. این تفاوت‌ها نباید به معنی برتری مطلق یکی نسبت به دیگری تلقی شوند، بلکه نشان‌دهندهٔ جنبه‌های متفاوتی هستند که هر ابزار می‌تواند در پژوهش یا کلینیک مورد توجه قرار گیرد.

این یافته برای بیمار چه معنایی دارد؟

برای فردی که خود یا یکی از اعضای خانواده‌اش مبتلا به بیماری مزمن است، این نتایج چند پیام عملی دارد:

  • سواد سلامت بالاتر با نمرات بهتر گزارش‌شدهٔ کیفیت زندگی مرتبط است؛ بنابراین تلاش برای فهم بهتر اطلاعات پزشکی و دستورات دارویی ممکن است به توانمندی در مدیریت بیماری کمک کند.
  • پایبندی به داروها با کیفیت زندگی رابطهٔ مثبتی دارد؛ توضیحات روشن و پشتیبانی در مورد مصرف دارو می‌تواند اهمیت داشته باشد.
  • احساس کنترل، توانایی خودمدیریتی و حمایت‌های اجتماعی ابعادی از زندگی هستند که LTCQ بیشتر نشان می‌دهد و برای بهبود تجربهٔ روزمرهٔ بیمار مهم‌اند.
  • بار دارویی و تعداد بیماری‌های هم‌وجود می‌توانند کیفیت زندگی را تحت تأثیر قرار دهند؛ این عوامل معمولاً در ابزارهایی مانند EQ-5D-3L برجسته می‌شوند و ممکن است نیاز به بحث دربارهٔ مسیرهای درمانی و هماهنگی مراقبت داشته باشند.

با این حال، این موارد اطلاعاتی است و نه توصیه درمانی قطعی؛ هر تصمیم پزشکی باید بر اساس مشورت با پزشک و با توجه به شرایط فردی گرفته شود.

محدودیت‌ها و نکاتی که باید با احتیاط خواند

  • طراحی مقطعی: به‌دلیل طراحی مقطعی، نمی‌توان جهت‌گیری علت و معلولی را تعیین کرد؛ ارتباط‌ها لزوماً نشان‌دهندهٔ اثر مستقیم نیستند.
  • نمونه‌گیری آنلاین: شرکت‌کنندگان از طریق پرسشنامهٔ آنلاین گردآوری شدند که ممکن است افراد دارای دسترسی بهتر به اینترنت و سطح تحصیلات بالاتر را بیش‌تر نمایندگی کند؛ بنابراین تعمیم نتایج به کل جمعیت اردن یا سایر کشورها باید با احتیاط صورت گیرد.
  • خودگزارش‌ها و سوگیری پاسخ: ابزارهای مورد استفاده خودگزارشی بودند (پایبندی دارویی، سواد سلامت، کیفیت زندگی) و احتمال خطا یا اغراق در گزارش وجود دارد.
  • سندرم‌ها و طیف بیماری‌ها: ترکیب انواع بیماری‌های فیزیکی، روانی و عصبی در یک نمونهٔ کلی ممکن است پراکندگی قابل توجهی در تجربهٔ کیفیت زندگی ایجاد کند؛ تحلیل براساس نوع بیماری می‌تواند یافته‌های دقیق‌تری ارائه دهد که در این مطالعه محدود بود.
  • فرهنگ و بومی‌سازی ابزار: هرچند نسخهٔ عربی پرسشنامه‌ها به‌کار رفت، تفاوت‌های فرهنگی و تفسیر مفاهیم می‌تواند بر نتایج اثر بگذارد و نیاز به ارزیابی اعتبار مقیاس‌ها در زمینهٔ محلی دارد.
  • یادگیری ماشینی و شفافیت مدل: مدل‌های یادگیری ماشینی ممکن است الگوهای غیرخطی را نشان دهند، اما تفسیرِ علمیِ دقیق این الگوها پیچیده‌تر است و نیازمند تحلیل‌های تکمیلی و شفاف است.

نظر تحریریه پزشک سایت

این مطالعه تصویری مهم از رابطهٔ بین سواد سلامت، پایبندی دارویی و کیفیت زندگی در جمعیتی از بیماران مزمن در اردن ارائه می‌دهد. نکتهٔ ارزشمند کار، بهره‌گیری از دو ابزار متفاوت کیفیت زندگی و مقایسهٔ الگوهای ارتباطی آن‌هاست که نشان می‌دهد انتخاب ابزار اندازه‌گیری می‌تواند برنتایج و تفسیرها تأثیرگذار باشد. همچنین ترکیب روش‌های رگرسیونی کلاسیک و یادگیری ماشینی، رویکردی مکمل و عملی برای درک بهتر روابط پیچیده فراهم می‌آورد. با این حال باید تأکید کرد که نتایج توصیفی و همبستگی‌اند و برای تبدیل این بینش به راهکارهای بالینی نیاز به مطالعات مداخله‌ای و طولی است.

چه زمانی باید با پزشک مشورت کرد؟

  • اگر مشکل در فهم دستورالعمل‌های دارویی دارید یا نسبت به مصرف صحیح داروها تردید دارید، با پزشک یا داروساز مشورت کنید.
  • در صورت تجربهٔ تغییر قابل‌توجه در کیفیت زندگی (افزایش درد، اختلال خواب، تغییر خلق یا کاهش توانایی انجام فعالیت‌های روزانه) یا افزایش بار دارویی، بهتر است این موضوع را با پزشک در میان بگذارید.
  • اگر به دلیل چند دارو یا بیماری هم‌زمان نگرانی از تداخل دارویی یا اثرات جانبی دارید، مشاورهٔ پزشکی ضروری است.
  • در موارد بیماری‌های جدی مانند سرطان، بیماری‌های قلبی، بارداری، عفونت‌هایی که نیاز به درمان فوری دارند یا تغییرات ناگهانی وضعیت بالینی، فوراً با پزشک تماس بگیرید.

پرسش‌های رایج

۱. آیا افزایش سواد سلامت به‌طور قطع کیفیت زندگی را بهبود می‌بخشد؟

خیر؛ این مطالعه رابطهٔ مثبت بین سواد سلامت و کیفیت زندگی نشان داد، اما به‌خاطر ماهیت مقطعی نمی‌توان قطعاً گفت که افزایش سواد سلامت مستقیماً موجب بهبود کیفیت زندگی می‌شود. مطالعات طولی و مداخله‌ای برای اثبات علت و معلول لازم است.

۲. کدام ابزار کیفیت زندگی بهتر است: LTCQ یا EQ-5D-3L؟

نباید یکی را به‌عنوان برتر مطلق دانست. هر ابزار جنبه‌های متفاوتی از تجربهٔ بیمار را می‌سنجد؛ LTCQ حساس به ابعاد روان‌اجتماعی و خودمدیریتی است و EQ-5D-3L بیشتر متأثر از بار دارویی و شاخص‌های بالینی است. انتخاب ابزار باید بر اساس هدف پژوهش یا نیاز کلینیکی صورت گیرد.

۳. آیا نتایج اردن قابل تعمیم به ایران یا دیگر کشورها هستند؟

تعمیم مستقیم محدود است. ساختار سیستم سلامت، فرهنگ، سطح سواد سلامت و ترکیب بیماری‌ها می‌تواند بین کشورها تفاوت داشته باشد. بنابراین نتایج باید با احتیاط به سایر جمعیت‌ها تعمیم یابند و مطالعات محلی لازم است.

۴. یادگیری ماشینی بهتر از رگرسیون است؟

یادگیری ماشینی می‌تواند الگوهای غیرخطی و پیچیده را بیابد، اما رگرسیون‌های سنتی تفسیرپذیری بیشتری دارند. هر دو رویکرد مکمل‌اند و انتخاب باید براساس هدف تحلیل، نیاز به تفسیر و کیفیت داده‌ها صورت گیرد.

۵. چه مداخله‌هایی ممکن است مفید باشد؟

مطالعه به طور مستقیم مداخله‌ای را آزمون نکرده، اما یافته‌ها نشان می‌دهند که تقویت سواد سلامت و حمایت برای افزایش پایبندی دارویی ممکن است با تجربهٔ بهتر کیفیت زندگی همبسته باشد؛ برای تصمیم‌گیری بالینی، مطالعات مداخله‌ای نیاز است.

جمع‌بندی کاربردی

مطالعهٔ حاضر از اردن نشان می‌دهد که سواد سلامت و پایبندی به دارو با نمرات بالاتر کیفیت زندگی در بیماران مزمن مرتبط‌اند و دو ابزار LTCQ و EQ-5D-3L ابعاد متفاوتی را برجسته می‌کنند. این یافته‌ها می‌توانند در طراحی برنامه‌های حمایتی برای بیماران مزمن (مثلاً آموزش سلامت و تقویت پایبندی دارویی) مفید باشند، اما قبل از اعمال تغییرات بالینی گسترده لازم است نتایج در مطالعات طولی و مداخله‌ای تأیید شوند. هم‌چنین انتخاب ابزار مناسب برای سنجش کیفیت زندگی باید بر اساس هدف پژوهش یا کلینیک انجام شود.

منبع

Health literacy, medication adherence, and quality-of-life scores in Jordanian adults with chronic diseases: a dual analytical study using the long-term conditions questionnaire and the EuroQol five-dimension three-level questionnaire. The Libyan Journal of Medicine. 2026. لینک: https://pubmed.ncbi.nlm.nih.gov/42312418/

تذکر نهایی: این متن تفسیر و خلاصه‌ای از یک مقالهٔ علمی است و جایگزین مشورت مستقیم با پزشک یا تیم درمانی نیست. برای تصمیم‌گیری‌های پزشکی بر اساس شرایط فردی، باید با متخصص مربوطه مشورت شود.

نظر شما در مورد این مطلب چیست ؟

با کلیک بر روی یکی از ستاره ها از ۱ تا ۵ امتیاز دهید :

امتیاز : / ۵. تعداد نظر :

هیچ نظری داده نشده است .

مطالب این مقاله فقط برای افزایش آگاهی عمومی است و جایگزین تشخیص یا درمان پزشکی نیست. برای اطلاعات بیشتر، صفحه سیاست پزشکی و سلب مسئولیت پزشک سایت را بخوانید.

دکتر احمدی ، پژوهشگر پزشکی

پژوهشگر و نویسنده حوزه سلامت

حوزه‌های فعالیت:
پزشکی عمومی، سلامت عمومی، مرور مقالات علمی، آموزش پزشکی

نقش در پزشک سایت:
تهیه، ترجمه و بازنویسی علمی مقالات پزشکی بر اساس منابع معتبر.

توجه:
در مقالات حساس پزشکی، محتوای منتشرشده باید به‌صورت جداگانه توسط پزشک متخصص مرتبط بازبینی شود. مطالب این نویسنده صرفاً جنبه آموزشی و اطلاع‌رسانی دارند.

تعداد نظرات : 0

هنوز نظری برای این مطلب ثبت نشده است.

ارسال نظر

آدرس ایمیل شما منتشر نخواهد شد. زمینه‌های مورد نیاز مشخص شده‌اند.