كارايي مدل دوجمله اي منفي با انباشتگي بيش از حد انتظار صفر در تحليل مدت اقامت مادران پس از زايمان

Zero-inflated negative binomial modeling, efficiency for analysis of length of maternity hospitalization

مقدمه: زايمان مادران يكي از شايع ترين عوامل بستري شدن آنها در تمام كشورها است كه مدل بندي آن مي تواند چگونگي توزيع آن را تبيين نموده و عوامل موثر در افزايش يا كاهش آن را معين كند. هدف اين مطالعه ارايه يك مدل مناسب جهت مدل بندي مدت زمان اقامت مادران در بيمارستان و مقايسه مدل هاي مختلف تبيين اين مقادير است. مواد و روشها: پژوهش حاضر يك مطالعه مشاهده اي ـ مقطعي بوده كه بر روي يك نمونه تصادفي 1600 نفري از مادران مراجعه كننده به مراكز وابسته به دانشگاه علوم پزشكي اراك در نيمه اول سال 1383 جهت زايمان صورت گرفته است. از مادران انتخاب شده در نمونه مقادير متغير مدت اقامت آنها در بيمارستان(تعدادروزهايي كه از پذيرش تا ترخيص در بيمارستان بوده اند) به عنوان متغير پاسخ و متغيرهاي سن مادر, توان دوم سن مادر, شغل مادر, فرزند ناهنجار متولد شده, رتبه تولد يا حاملگي, توان دوم رتبه تولد يا حاملگي, تعداد سقط هاي مادر, توان دوم تعداد سقط هاي مادر, تعداد فرزندان فعلي مادر, توان دوم تعداد فرزندان فعلي مادر, محل سكونت, نوع زايمان, وجود فرزند دوقلوي متولد شده و وجود فرزند سه قلوي متولد شده به عنوان متغيرهاي مستقل در نظر گرفته شدند. جهت تحليل داده ها از روشهاي پيشرفته و جديد مدل بندي داده هاي شمارشي و روشهاي ابتكاري مطرح شده در مقاله, استفاده شد. يافته ها: نتايج مدل بندي مقادير مدت اقامت مادران نشان داد كه در ابتدا مدل دو جمله اي منفي با توجه به اينكه مقادير واريانس و ميانگين متغير پاسخ برابر نبودند, مدل مناسبي جهت تبيين مقادير مدت اقامت مادران بوده است و متغيرهاي وجود فرزند ناهنجار, نوع زايمان(طبيعي, سزارين) و دوقلو زايي متغيرهاي معنادار آماري در اين مدل بر روي مقاديرمدت زمان اقامت مادران بوده اند. در صورتيكه از مدل هاي اختصاصي تر جهت اين مدل بندي استفاده شود (مدل هاي بريده شده در نقطه صفر پوآسني و دوجمله اي منفي), مدل بكار برده شده بيشترمناسب است و متغيرهاي سن, توان دوم سن, وجود فرزند ناهنجار, نوع زايمان, دوقلو زايي و سه قلو زايي متغيرهاي معنادار در تبيين مقادير مدت اقامت مادران بوده اند. نتيجه گيري: در مقاله حاضر با توجه به ارايه يك تغيير متغير ساده بر روي مقادير مدت اقامت مادران, يك مدل مناسب آماري جهت تبيين آنها و مدل بندي اين مقادير بدست آمد. مدل بدست آمده متغير هاي بيشتري را با توجه به اختصاصي تر بودن اين مدل نسبت به مدل هاي رايج ارايه نمود.

Background: Mothers’ delivery is one of the most common hospitalization factors throughout the world and it’s modeling can explain distribution and effective factors on rising and decreasing of it. The objective of the present study was a suitable modeling for mother hospitalization time and comparing it with different models. Materials & Methods: Present study is an observational and cross-sectional study with randomized sampled of 1600 mothers’ refered to Arak university treatment centers in the first seamester in 2004 for delivery. The following parameters were registered: hospitalization time as dependent variable, mother’s age and its square, mother job, having abnormal child, ordinal pregnancy or delivery and its square, number of abortions and its square, number of present children and its square, mothers’ residency, type of delivery, twice and triplets all were considered as independent variables. For analysis of data, advanced recent methods of countable data modeling were used. We also introduced an innovative method of analysis. Results: The results of modeling of mothers’ hospitalization time showed negative binomial model was a suitable model because of unequal variance and means of dependent variables for explanation of mothers’ hospitalization time, having abnormal child, type of delivery (NVD, C&S) and twice delivery all were significant variables in this model. More specific models (Zero-truncated Poisson and negative binomial), showed to be more suitable for age and its square, having abnormal child, type of delivery, twice delivery and triplet delivery which were all significant variables in determining of mothers’ hospitalization time rates. Conclusion: In this article, with a simple change of mothers hospitalization time, a suitable statistical model to explain them and modeling of these times were achieved. The suggested model could included more variables than conventional because of its higher specificity.