پديد آورندگان :
شكوهي، فهيمه دانشگاه علوم پزشكي، شهركرد، ايران , اميري پور، آيدا دانشگاه علوم پزشكي، شهركرد، ايران , احمدي، علي دانشگاه علوم پزشكي، شهركرد، ايران , ايماني، سكينه دانشگاه علوم پزشكي، شهركرد، ايران
كليدواژه :
سندرم متابوليك , شيوعي , مدلسازي , تعيين كننده هاي اجتماعي
چكيده فارسي :
زمينه و هدف: سندرم متابوليك يك اختلال بيوشيميايي و فيزيولوژيك است كه مي‌تواند منجر به اختلال در متابوليسم انسولين و گلوكز، چاقي شكمي، ديس ليپيدمي و پرفشاري خون گردد، اين مطالعه با هدف تعيين شيوع و مدلسازي عوامل اجتماعي مرتبط با ابتلا به سندرم متابوليك در شهركرد در سال 1398 انجام گرفت.
مواد و روش ها: مطالعه حاضر يك مطالعه توصيفي تحليلي است كه بر روي داده‌هاي پرونده سلامت 287 نفر از جمعيت بالاي 30 سال شهركرد به صورت تصادفي منظم انجام گرفت. سپس طبق ملاك‌هاي تشخيصي ابتلا به سندرم متابوليك، ويژگي‌هاي تعداد 90 نفر مبتلا و 197 نفر غير مبتلا به سندرم متابوليك مقايسه شدند. داده‌ها توسط نرم‌افزار SPSS نسخه 18 و با استفاده از آزمون‌هاي كاي اسكوئر، تي تست، ضريب همبستگي و رگرسيون لجستيك تجزيه و تحليل شدند.
يافته‌ها: شيوع سندرم متابوليك در جامعه مورد بررسي 31 درصد(با فاصله اطمينان 95%: 37-26) بود. ميانگين سن در گروه مبتلا به سندرم متابوليك 12/62±54/94 سال و در گروه غير مبتلا 13/14±49/86 سال بود. ارتباط معني‌داري بين سن، شغل، تأهل، مصرف روزانه ميوه، سبزي، لبنيات، استعمال دخانيات و فعاليت بدني، تري گليسيريد، FBS، HDL و دور كمر وجود داشت (p>0/05).
نتيجه گيري: شيوع سندروم متابوليك در جمعيت مورد بررسي بالا بوده و نيازمند برنامه مداخله‌اي است. برخي از عوامل خطر ابتلا به سندرم متابوليك قابل‌پيشگيري مي‌باشند، تغيير در شيوه زندگي در اين موارد مي‌تواند به عنوان يكي از توصيه‌هاي پيشگيري مورد توجه قرار گيرد
چكيده لاتين :
Background & Aim: Metabolic syndrome is a biochemical and physiological disorder that
can lead to impaired insulin and glucose metabolism, abdominal obesity, dyslipidemia, and
hypertension. This study aimed to determine the prevalence and modeling of social
determinants of metabolic syndrome in Shahrekord, Iran in 2019.
Materials & Methods: This descriptive-analytical study was performed on health files of
287 individuals aged above 30 years, who were selected by regular random sampling. The
features of 90 individuals with metabolic syndrome were compared to that of 197 healthy
people based on the diagnostic criteria for metabolic syndrome. In addition, data analysis was
performed in SPSS version 18 using Chi-square, t-test, correlation coefficient, and regression
logistics.
Results: In this study, metabolic syndrome was detected in 31% of the population assessed
(CI%95: 0.26-0.37). The mean age of the subjects with and without the metabolic syndrome
was 54.94±12.622 and 13.142±49.86 years, respectively. The results were indicative of a
significant relationship between the variables of age, marital status, daily consumption of
fruits and vegetables, dairy products, smoking status and physical activity, triglyceride, FBS,
HDL, and waist circumference (P<0.05).
Conclusion: According to the results of the study, there was a high prevalence of metabolic
syndrome in the study assessed, which showed the necessity of implementing intervention
programs. Some of the risk factors for metabolic syndrome can be prevented. In this regard,
recommended prevention is changing people’s lifestyles.
