CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

مدل پواسون دو متغیره با استفاده از روش چند سطحی و کاربرد آن در تحلیل عوامل موثر بر مرخصی استعلاجی کارکنان یک شرکت فولادسازی

عنوان مقاله: مدل پواسون دو متغیره با استفاده از روش چند سطحی و کاربرد آن در تحلیل عوامل موثر بر مرخصی استعلاجی کارکنان یک شرکت فولادسازی
شناسه ملی مقاله: JR_HSR-17-4_010
منتشر شده در در سال 1400
مشخصات نویسندگان مقاله:

زهره رفعتی - MSc Student, Department of Biostatistics, School of Medical Sciences, Tarbiat Modares University, Tehran, Iran
محمد غلامی فشارکی - Associate Professor, Department of Biostatistics, School of Medical Sciences, Tarbiat Modares University, Tehran, Iran

خلاصه مقاله:
مقدمه: یکی از مسایل تاثیرگذار بر بهروری اقتصادی، غیبت از کار به دلیل بیماری (مرخصی استعلاجی) می باشد. با توجه به اهمیت این موضوع، پژوهش حاضر به بررسی عوامل موثر بر تعداد روز مرخصی استعلاجی ناشی از بیماری های کار و بیماری های داخلی پرداخت. روش: این مطالعه از نوع مقطعی بود و بر روی کارکنان مرد شاغل در کارخانه فولاد مبارکه اصفهان طی سال های ۹۴-۱۳۹۰ انجام شد. بدین منظور، متغیرهای پاسخ تعداد روز مرخصی استعلاجی ناشی از بیماری های داخلی و کار و متغیرهای کمکی شامل نوبت کاری، وضعیت سیگار کشیدن، تحصیلات، سن، سابقه کار، شاخص توده بدنی (Body mass index یا BMI) و شاخص خطر Framingham (Framingham Risk Score یا FRS) بود. جهت تحلیل داده ها، از مدل پواسون دو متغیره با استفاده از روش چند سطحی استفاده گردید.   یافته ها: تحقیق حاضر بر روی ۱۷۹۸۸ نفر از کارگران با میانگین سن ۷/۵۶ ± ۳۸/۱۳ سال و میانگین سابقه کاری ۵/۵۹ ± ۶/۷۹ سال انجام شد. متغیرهای نوبت کاری (۱/۴۷ = eβ)، مصرف سیگار (۱/۸۲ = eβ)، تحصیلات (۱/۱۱ = eβ)، سن (۱/۰۲ = eβ)، سابقه کاری (۱/۰۵ = eβ)، BMI (۱/۰۲ = eβ) و FRS (۱/۰۸ = eβ) تاثیر معنی داری بر متوسط مرخصی استعلاجی ناشی از بیماری های داخلی داشت، اما از متغیرهای مذکور تنها چهار متغیر مصرف سیگار (۰/۷۴ = eβ)، تحصیلات (۱/۱۹ = eβ)، سابقه کاری (۱/۰۱ = eβ) و FRS (۱/۰۲ = eβ) تاثیر معنی داری را بر متوسط مرخصی استعلاجی ناشی از بیماری های ناشی از کار نشان داد. نتیجه گیری: با توجه به نتایج به دست آمده، می توان با کنترل متغیرهای تاثیرگذار، به ارایه راهکارهای مناسب جهت کاهش تعداد روز مرخصی استعلاجی دست یافت.

کلمات کلیدی:
Sick leave, Multivariate analysis, Poisson distribution, Absenteeism, مرخصی استعلاجی, تحلیل چند متغیره, توزیع پواسون, غیبت از کار

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1607179/