بررسي شاخص توده بدني و عوامل پيش بيني كننده آن در ساكنان شهر رشت

Body Mass Index and its Predictive Factors in Rasht, Iran

شاخص توده بدني به عنوان يكي از مولفه هاي اصلي در شيوع بيماري هاي غيرواگير است كه عوامل مختلفي ازجمله متغيرهاي دموگرافيك و محيط زندگي بر آن تاثيرگذار است. از اينرو مطالعه حاضر با هدف بررسي شاخص توده بدني و عوامل پيش گويي كننده آن انجام شد. مواد و روش كار: اين مطالعه به روش تحليلي- مقطعي بر روي 1000 نفر از ساكنان 5 منطقه­ شهر رشت در سال 1396 انجام شد. داده­ ها با استفاده از پرسشنامه­ هاي شامل مشخصات دموگرافيك و شاخص هاي محيط زندگي كه برگرفته از مقياس سرمايه اجتماعي فوكستون و جونز مي باشد، جمع­آوري گرديد و قد و وزن كليه شركت كنندگان اندازه گيري شد. رگرسيون خطي ساده و چند متغيره با استفاده از نرم افزار spss نسخه 20 جهت تجزيه و تحليل داده ها استفاده گرديد. يافته ها: براساس نتايج، ميزان شيوع اضافه وزن و چاقي در جمعيت مورد مطالعه، 55/5% بود و نتايج نشان داد كه سن، نداشتن فرزند، عدم ابتلا به بيماري هاي غيرواگير و مدت زمان اقامت در محيط مسكوني يش گويي كننده مستقل افزايش شاخص توده بدني هستند. نتيجه گيري: با توجه به اينكه چاقي و اضافه وزن در گروه هاي سني مختلف از مشكلات عمده اين منطقه به شمار مي­رود، لذا به نظر مي رسد شناسايي ديگر عوامل پيش بيني كننده اين مشكل و اتخاذ اقدامات پيشگيرانه مرتبط با اين عوامل در سياست گذاري هاي سلامت مي­ تواند كمك كننده باشد.

Objective (s): Body mass index (BMI) is one of the major contributors to the spread of non-communicable diseases that it is affected by various factors such as demographic variables and living environment. The aim of this study was to investigate body mass index and its predictors in Rash, Iran. Methods: This was a cross sectional study that performed on 1,000 residents of 5 neighborhoods in Rasht, 2017. Data were collected using a questionnaire including residents’ characteristics and living environment indicators derived from the Foxton and Jones Social Capital questionnaire. Every participants’ height and weight were measured. Simple and multivariate linear regression using SPSS v.20 was used for data analysis. Results: The prevalence of overweight and obesity in the study population was %55.5 and the results showed that age (B = - 0.031, P <0.023), not having children (B = -2.466, P <0.001), not having non-communicable diseases (B = -1.016, P<0.003) and duration of residence in residential environment (B = 0.172, P<0.040) were independent predictors of BMI increasing. Conclusions: Due to the high prevalence of obesity and overweight in different age groups, identifying predictive factors in populations with different culture is very important. Indeed, preventive steps should be taken in health's macro policymaking.