fa کاربرد جنگل‌های بقا در مطالعه مهم ترین تعیین‌کننده‌های بقای ازدواج اول زنان مطلقه دارای فرزند مولفه های اجتماعی سلامت Social Determinants of Health مطالعه نیمه تجربی Quazi Experimental <div style="text-align: justify;"><strong>مقدمه: </strong>طلاق به عنوان یک آسیب مهم اجتماعی همواره مورد توجه پژوهشگران و سیاستگذاران در حوزه خانواده بوده که پیامدهای آن جامعه زنان را&nbsp; بیشتر تحت تأثیر قرار می‌دهد. با توجه به اهمیت و نقش برجسته‌ زنان در خانواده و جامعه، پژوهش حاضر به مطالعه مهمترین تعیین‌کننده‌های بقای ازدواج اول زنان مطلقه دارای فرزند پرداخت.<span style="color:black"></span><br> <strong>مواد و روش‌ کار:</strong> در یک پیمایش مقطعی که توسط سازمان ثبت احوال کشور در سال‌های 1396-1397 انجام گرفت، اطلاعات مراجعه‌کنندگان به دفترخانه‌های مراکز استان‌ها برای ثبت طلاق با استفاده از پرسشنامه جمع‌آوری گردید. با توجه به حجم زیاد متغیرهای پیش‌بین و عدم کارایی روش‌های تحلیل بقای کلاسیک در مدل&shy;سازی کلان داده‌ها، مطالعه حاضر به بررسی مهمترین عوامل مؤثر بر بقای ازدواج اول 756 زن دارای فرزند با در نظر گرفتن متغیرهای مربوط به زنان و همسران، خانواده‌های آنان و کلان استانی با استفاده از جنگل‌های بقا و نرم‌افزار R پرداخت.<br> <strong>یافته‌ها:</strong> براساس بیشترین مقدار شاخص هماهنگی هارل، کمترین میزان میانه خطای پیش‌بینی و کمترین مقدار نمره بریر تجمیع&shy; شده، الگوریتم قانون افراز رتبه-لگاریتمی جنگل تصادفی بقا در بررسی عوامل مؤثر بر بقای ازدواج اول این زنان کاراتر بود. یافته‌ها نشان داد که براساس شاخص‌های اهمیت متغیر و کمینه عمق، سن فرزند اول مهم ترین متغیر در بررسی بقای ازدواج اول آنان بود.<span style="color:black"></span><br> <strong>نتیجه‌گیری: </strong>از آنجا که در بسیاری از مطالعات علوم پزشکی و اجتماعی امروزه کلان داده&shy;ها تحلیل می‌شوند، جنگل&shy; های بقا را می‌توان به عنوان روشی کارا در شناسایی مهمترین متغیرهای پیش&shy;بین و کاهش بعد آنان به کار گرفت و سپس از روش‌های تحلیل بقای کلاسیک برای مدل&shy; سازی استفاده نمود.</div> <pre style="text-align: justify;"> <strong>Objective(s):</strong> Divorce as an important social harm has always been the focus of investigators and policymakers as it affects women compared to males. Therefore, considering the importance and prominent role of women in the family and society, the present article aimed to examine the most important determinants of the first marriage survival of divorced women with children<span dir="RTL" lang="AR-SA" style="font-size:10.0pt">.</span><span style="font-family:"Times New Roman","serif""></span> <strong>Methods:</strong> In a cross-sectional survey conducted by the Civil Registry Organization in 2017-2018, the information of those who referred to the offices of the provincial centers for divorce registration was collected using a questionnaire. Considering the large number of predictors and the ineffectiveness of classic survival analysis methods in big data modeling, the present study investigated the most important factors, including women and their spouses, their families and provincial macro variables, affecting the first marriage survival of 756 women with children using survival forests using R software<span dir="RTL" lang="AR-SA" style="font-size:10.0pt">.</span><span style="font-family:"Times New Roman","serif""></span> <strong>Results:</strong> Based on the highest value of Harrell&#39;s coordination index (0.8412), the lowest mean prediction error (0.0885) and the lowest value of integrated Brier score (0.038), the algorithm of random survival forest with log rank split rule (RSF1) in investigating factors affecting the first marriage survival of these women was more efficient. The findings showed that based on variable importance and minimum depth indicators, the first child&rsquo;s age was the most important variable in examining their first marriage survival<span dir="RTL" lang="AR-SA" style="font-size:10.0pt">.</span><span style="font-family:"Times New Roman","serif""></span> <strong>Conclusions:</strong> Since big data are analyzed in many medical and social studies, survival forests can be used as an efficient method to identify the most important predictors and reduce their dimensions, and then use classical survival analysis methods for modeling<span dir="RTL" lang="AR-SA" style="font-size:10.0pt">.</span> </pre> بقای ازدواج اول زنان, جنگل‌های بقا, الگوریتم‌های قانون افراز جنگل‌های بقا, شاخص‌ اهمیت متغیر, شاخص کمینه عمق Survival of women's first marriage, Survival forests, Algorithms of survival forests, Variable importance index, Minimum depth index 759 769 http://payeshjournal.ir/browse.php?a_code=A-10-863-2&slc_lang=fa&sid=1 Arezoo Bagheri آرزو باقری abagheri_000@yahoo.com 100319475328460030455 100319475328460030455 No National Institute for Population Research, Tehran, Iran مؤسسه تحقیقات جمعیت کشور، تهران، ایران Mahsa Saadati مهسا سعادتی mahsa.saadati@gmail.com 100319475328460030456 100319475328460030456 Yes National Institute for Population Research, Tehran, Iran مؤسسه تحقیقات جمعیت کشور، تهران، ایران