Öz
Düşük doğum ağırlığına neden olan risk faktörlerinin belirlenmesi, doğum sırası ve sonrasında alınacak tedbirlere yön vermesi ve bebeğin sağlıklı gelişimi açısından önem arz etmektedir. Bu çalışmada doğum ağırlığına etki edebileceği düşünülen, yaş, son adet dönemi vücut ağırlığı, annenin sigara içime durumu, annenin daha önce doğum yapıp yapmadığı, toplam gebelik sayısı, akrabalık durumu, cinsiyet, hemoglobin düzeyi ve hipertansiyon değişkenleri dikkate alınmıştır. Lojistik regresyon analizi sonuçlarına göre, doğum ağırlığı üzerinde, yaş, son adet dönemi vücut ağırlığı, annenin sigara içime durumu, toplam gebelik sayısı, cinsiyet ve hipertansiyon değişkenlerinin etkili olduğu bulunmuştur (p < 0.01).Annenin daha önce doğum yapıp yapmadığı, akrabalık durumu ve hemoglobin düzeyi değişkenlerinin önemsiz olduğu belirlenmiştir. Aynı zamanda yaş ve sigara içme durumunun, son adet dönemi vücut ağırlığı ile interaksiyon durumunun da önemli olduğu sonucuna ulaşılmıştır.
Anahtar Kelimeler
Kaynakça
- Bircan H. 2004. Lojistik Regresyon Analizi: Tıp Verileri Üzerine Bir Uygulama. Kocaeli Üniv Sosyal Bil Enst Derg, 2: 185-208.
- Bonney GE, 1987. Logistic regression for dependent binary observations. Biometrics, 43: 951-973.
- Buescher PA, Larson LC, Nelson MD, Lenihan AJ. 1993. Prenatal WIC participation can reduce low birth weight and newborn medical costs: a cost benefit analysis of wic participation in North Carolina. J Am Diet Assoc, 93: 163-166.
- Chatfield C, Collins A. 1992. Introduction to Multivariate Analysis. Chapman & Hall, London.
- Elhan A. 1997. Lojistik Regresyon Analizinin İncelenmesi ve Tıpta Bir Uygulaması. A.Ü. Yüksek Lisans Tezi, Ankara.
- Gibbons RD, Hedeker D. 1996. Random effectsprobit and logistic regression models for three-level data. Biometrika, 42: 121-130.
- Heise MA, Myers RH. 1996. Optimal designs for bivariate logistic regression. Biometrics, 14: 613-623.
- Hosmer WD, Lemeshow S. 1989. Applied logistic regression. John Wiley & Sons, America.
- Hosmer WD, Lemeshow S, Klar J. 1988. Goodness of fit testing for multiple logistic regression analysis when the estimated probabilities are small. Biometrical J, 30: 911-924.
- Işığıçok E. 2003. Bebeklerin Doğum Ağırlıklarını ve Boylarını Etkileyen Faktörlerin Lojistik Regresyon Analizi ile Karşılaştırılması. , IV. Ulusal Ekonometri ve İstatistik Sempozyumu, Gazi Üniversitesi, Ankara.
- Kanadalı S, Önvural A, Erten,O. 1994. Doğum Kilosunu Etkileyen Faktörler. Perinatoloji Derg, 2: 89-9.
Öz
It is important to determine the risk factors that cause low birth weight, to direct the measures to be taken at the time of birth and after, and to have healthy development of the baby. In this study, variables such as age, last menstrual body weight, smoking status, previous births, total number of pregnancies, kinship status, gender, hemoglobin level and hypertension variables which are thought to affect the birth weight have been considered in this study. According to the results of logistic regression analysis, birth weight, age, last menstrual period body weight,
smoking status, total number of gestations, sex, and hypertension variables were found to be effective on birth weight (p < 0.01). Whether or not they had given birth before, kinship status and hemoglobin level were determined to be insignificant. At the same time, age and smoking status have been reached as the result of interaction with the last menstrual period weight.
Anahtar Kelimeler
Kaynakça
- Bircan H. 2004. Lojistik Regresyon Analizi: Tıp Verileri Üzerine Bir Uygulama. Kocaeli Üniv Sosyal Bil Enst Derg, 2: 185-208.
- Bonney GE, 1987. Logistic regression for dependent binary observations. Biometrics, 43: 951-973.
- Buescher PA, Larson LC, Nelson MD, Lenihan AJ. 1993. Prenatal WIC participation can reduce low birth weight and newborn medical costs: a cost benefit analysis of wic participation in North Carolina. J Am Diet Assoc, 93: 163-166.
- Chatfield C, Collins A. 1992. Introduction to Multivariate Analysis. Chapman & Hall, London.
- Elhan A. 1997. Lojistik Regresyon Analizinin İncelenmesi ve Tıpta Bir Uygulaması. A.Ü. Yüksek Lisans Tezi, Ankara.
- Gibbons RD, Hedeker D. 1996. Random effectsprobit and logistic regression models for three-level data. Biometrika, 42: 121-130.
- Heise MA, Myers RH. 1996. Optimal designs for bivariate logistic regression. Biometrics, 14: 613-623.
- Hosmer WD, Lemeshow S. 1989. Applied logistic regression. John Wiley & Sons, America.
- Hosmer WD, Lemeshow S, Klar J. 1988. Goodness of fit testing for multiple logistic regression analysis when the estimated probabilities are small. Biometrical J, 30: 911-924.
- Işığıçok E. 2003. Bebeklerin Doğum Ağırlıklarını ve Boylarını Etkileyen Faktörlerin Lojistik Regresyon Analizi ile Karşılaştırılması. , IV. Ulusal Ekonometri ve İstatistik Sempozyumu, Gazi Üniversitesi, Ankara.
- Kanadalı S, Önvural A, Erten,O. 1994. Doğum Kilosunu Etkileyen Faktörler. Perinatoloji Derg, 2: 89-9.
Ayrıntılar
| Birincil Dil | Türkçe |
|---|---|
| Konular | Klinik Tıp Bilimleri |
| Bölüm | Araştırma Makalesi |
| Yazarlar | |
| Yayımlanma Tarihi | 1 Mayıs 2018 |
| Gönderilme Tarihi | 28 Mart 2018 |
| Yayımlandığı Sayı | Yıl 2018 Cilt: 1 Sayı: 2 |
