Evaluation of the Knowledge Level, Attitude and Behaviour on Blood Donation of Health Staff By Multivariate Logistic Regression

Abstract

Today, instead of univariate analyses, multivariate analyses have become more commonly used, and health is one of the areas where these methods are most widely applied. In this study, we aimed an introduction of logistic regression analysis and a presentation of an application in the area of health. As an application of logistic regression method, a questionnaire including 21 items, which were answered by 462 academic and other health staff, was applied in the Medical Faculty in order to Dicle University to evaluate the knowledge level, attitude and behaviour on blood donation. Two staged logistic regression method was applied to evaluate the answers obtained from the questionnaire. As a result of the study, percentage correction values for the first and the second analysis were found as 89.0 % and 86.6 %, respectively. In conclusion, the importance of logistic regression is increasing in the recent years because the variables obtained in the clinic application data are not continuous, and by this method we are able to make analyses using these multivariables. Key words: Logistic regression, Blood donating, Health staff

Keywords

• Logistic regression, Blood donating, Health staff

Hastane Personelinin Kan Bağışı Hakkındaki Bilgi, Tutum ve Davranışlarının Çok Değişkenli Lojistik Regresyon Yöntemiyle İncelenmesi

Öz

Tek değişkenli çözümlemeler yerine çok değişkenli çözümlemelerin yaygınlaştığı günümüzde bu yöntemlerin en çok uygulandığı alanlardan birisi de sağlık konusudur. Bu çalışma ile sağlık alanında lojistik regresyon çözümlemesinin tanıtımı yanında sağlık alanında bir uygulamanın da sunumu amaçlanmaktadır. Lojistik regresyon yönteminin bir uygulaması olarak Dicle Üniversitesi Tıp Fakültesinde görev yapmakta olan akademik personel ve diğer sağlık personelinden toplam 462 kişilik çalışma grubuna kan bağışı hakkındaki bilgi, tutum ve davranışlarını sorgulamak amacıyla 21 sorudan oluşan bir anket formu uygulandı. Anket sorularına verilen cevapların değerlendirilmesi için iki aşamalı lojistik regresyon yöntemi uygulandı. Araştırma sonucunda birinci ve ikinci çözümlemelerde doğru sınıflandırma oranları sırasıyla %89.00 ve %86.6 olarak bulundu. Sonuç olarak ; lojistik regresyon, klinik uygulamalarda elde edilen değişkenlerin her zaman süreklilik göstermemesi ve yöntemin bu değişkenlerle çözümleme yapabilmesi nedeniyle son yıllarda önemini arttırmaktadır. Anahtar kelimeler: Lojistik regresyon, Kan bağışı, Sağlık personeli

Anahtar Kelimeler

• Lojistik regresyon, Kan bağışı, Sağlık personeli

Kaynakça

1. Ediz, B., Kan, İ., Ercan, İ.:Türetilmiş Verilere Lojistik Regresyon ve Ayırma Analizi Uygulandığında Elde Edilen Doğru Sınıflandırma Oranları, IV. Ulusal Biyoistatistik Kongre Bildirisi, Ankara Üniversitesi, 23-24 Eylül 1999
2. Tatlıdil,H.: Uygulamalı Çok Değişkenli İstatistiksel Analiz, 11-12, Ankara, 1992.
3. Banker, R.D.,Gadh, V.M:,and Gorr, W.L.: A Monte Carlo comparison of two production frontier estimation methods corrected ordinary least squares and data envelopment analysis, Europen Journal of Operational Research, 67(3);332-343, 1993.
4. Karasar, N.:Bilimsel Araştırma Yöntemi, Bilim Kitap Kırtasiye Ltd, 67, Ankara, 1986.
5. Çelik, M.Y.:Bilimsel bir yayının yeterliliği için ölçütler, Dicle Tıp Bülteni, 18:(1), 1-8, 1991.
6. Çelik, M.Y.:Tıbbi yayınlarda yapılan hatalar ve Biyoistatistiğin kullanımı, Dicle Tıp Bülteni, 18:(3), 137-146, 1991.
7. Özdamar, K.:Paket Programlar ile İstatistiksel Veri Analizi I, 461-462, Eskişehir, 1997.
8. Karasar, N.:Bilimsel Araştırma Yöntemi, Kavramlar, İlkeler, Teknikler, Hacettepe Taş Kitapçılık Ltd. Şti., Ankara , 1984.

9. Hosmer, D. W., Lemeshow, S.:Applied Logistic Regression , John Wiley & Sons, 1-90, 1989
10. Begg, C.B. and Gray, R.:Calculation of Polychotomous Logistic Regression Parameters Using İndividualized Regression, Biometrika, 71(1); 11-18, 1984.
11. Atkinson, A.C.: A Test of The Linear Logistic and Bradley -Terry Models, Biometrika, 59 (1) ; 37 - 42, 1972.
12. Cox, D.R. and Snell, E. J.: Analysis of Binary Data, Chapman and Hall, 236, London, UK. ,1989.
13. Bonney, G. E.: Logistic Regression for Dependent Binary Observations, Biometrics, 43; 951-973, 1987.