مقدمه: زمانی که در یک مطالعه بیش از یک متغیر پاسخ داشته باشیم که دارای مقیاس اندازه گیری متفاوت باشند، این گونه پاسخ ها را چند متغیره آمیخته می گویند که به وفور در مطالعات اپیدمیولوژی و پزشکی با آن ها مواجه می شویم. با توجه به محدودیت ها و برقرارنبودن برخی پیش فرض ها، روش های کلاسیک آماری برای مدل بندی و پیش بینی این نوع پاسخ ها کارایی ندارند. هدف این مطالعه، طراحی شبکه عصبی مصنوعی برای مدل بندی وپیش بینی پاسخ های دومتغیره آمیخته می باشد. روش کار: این مطالعه شامل سه مرحله طراحی مدل، مطالعه شبیه سازی و برازش مدل بر داده های واقعی است. پس از طراحی مدل، با در نظر گرفتن پارامترهای مختلف، دو مجموعه داده شبیه سازی و مدل های یک متغیره و دومتغیره مورد ارزیابی قرار گرفتند. مجموعه اول شبیه سازی، حالتی است که همه متغیر(های) کمکی با هر دو متغیر پاسخ ارتباط دارند و در مجموعه دوم برخی متغیرهای کمکی تنها با یکی از متغیرهای پاسخ پیوسته یا دوحالتی ارتباط دارند. برای آموزش شبکه از الگوریتم شیب توام مقیاس شده و برای پایان دادن به هر الگوریتم و نیز تعیین اندازه بهینه تعداد تکرار و ضریب یادگیری از معیار میانگین مجذور خطاها استفاده گردید. برای تعیین مناسب ترین مدل در مرحله نهایی از معیار صحت پیش بینی استفاده شد. مدل پیشنهادی برای پیش بینی توام سندرم متابولیک (کیفی) و شاخص مقاومت به انسولین (کمی) در 347 نفر از افراد شرکت کننده در مطالعه قند و لیپید تهران به کار گرفته شد. سن، جنس، وضعیت تاهل، سابقه بیماری قلبی-عروقی، نمایه توده بدن، ldl ، hdl ، کلسترول، تری گلسیرید، قندخون ناشتا و دوساعته، مصرف سیگار، فشارخون سیستولیک و دیاستولیک و دورکمر به عنوان متغیرهای مستقل در نظر گرفته شد. برنامه های رایانه ای در نرم افزارهایr 2.9.0 و matlab 7.6 طراحی و اجرا گردید. یافته ها: در مجموعه شبیه سازی اول، صحت پیش بینی در مدل های یک متغیره و دومتغیره تقریبا یکسان بود، اما در مجموعه شبیه سازی دوم، صحت پیش بینی در مدل های دو متغیره نسبت به مدل های یک متغیره بیشتر بود. در مدل های دومتغیره، صحت پیش بینی مدل با افزایش همبستگی متغیرهای پاسخ، بیشتر می شود. در داده های واقعی، مدل با 10 گره در لایه میانی دارای بیشترین صحت پیش بینی به ترتیب برابر با 37/87 و 87 درصد برای داده های آزمون و اعتبارسنجی به دست آمد. نتایج حاصل از داده های اعتبارسنجی در هر دو مجموعه شبیه سازی نشان داد که مدل از نظر تعمیم پذیری عملکرد مطلوبی دارد. نتیجه گیری: تحقیق نشان داد، در حالتی که دو متغیر پاسخ با متغیرهای کمکی مختلف ارتباط دارند مدل دومتغیره نسبت به مدل یک متغیره مناسب تر است و با افزایش همبستگی متغیرهای پاسخ صحت پیش بینی افزایش می یابد.