مطالعۀ برخی عوامل ایجاد خطر بر زایمان زودرس در شهرستان گراش استان فارس با استفاده از روش رگرسیون وزنی جغرافیایی (gwr)

مقدمه: زایمان زودرس به زایمان قبل از 37 هفتۀ حاملگی اطلاق می گردد و بزرگ‌ترین علت مرگ نوزادان، تولد نارس می باشد. بنابراین پژوهشگران در نقاط مختلف دنیا عوامل مرتبط گوناگونی را به عنوان عوامل خطر منجر به بروز زایمان زودرس معرفی کرده اند، لذا هدف اصلی این تحقیق این است که با استفاده از روش رگرسیون وزنی جغرافیایی، نواحی که بیشترین تاثیر را از زایمان زودرس می پذیرند، با توجه به گروه های سنی، هفته بارداری و شرایط جسمی و اقتصادی مادران در شهرستان گراش مشخص شوند.روش‌کار: در این تحقیق برای بررسی رابطۀ بین زایمان زودرس و 26 عامل ایجاد خطر در شهرستان گراش از مدل gwr استفاده شد. 26 عامل ایجاد خطر شامل گروه های سنی مختلف، هفته های مختلف بارداری، میزان درآمد، سابقه سزارین، سابقه جفت سرراهی، وزن گیری نامناسب مادر، سابقه عفونت ادراری و دستگاه تناسلی، خونریزی سه ماهه اول بارداری، تالاسمی مینور، چندقلویی، تیروئید، دیابت، بیماری های کلیوی، سابقه فشارخون، کووید-19 و مشکلات خونی به عنوان متغیر مستقل و زایمان زودرس به عنوان متغیر وابسته مشخص شدند.یافته ها: از بین 26 عامل ایجاد خطر 13 مورد یعنی نیمی از آن ها با زایمان زودرس ارتباط معنی‌داری داشتند. از بین این عوامل، برخی از آن ها در نقاط مختلف شهرستان همبستگی متفاوتی را از کم به زیاد نشان دادند، بنابراین به راحتی می توان در مکان های با همبستگی بالا، اقدامات پیشگیرانه و مدیریتی موثری را اعمال نمود، ولی برخی عوامل مانند تالاسمی مینور، وزن گیری نامناسب، هفته های 33-30 و 36-34 بارداری در همۀ نقاط شهرستان میزان همبستگی بسیار بالایی را از خود نشان دادند که نیاز به توجه بسیار بالایی دارد.نتیجه گیری: نتایج کاربردی مدل رگرسیون وزنی جغرافیایی و قدرت بالای آن جهت مدل سازی مکانی به مدیران و برنامه ریزان کمک می کند تا نقاط حساس بیماری ها و مسائل مختلف به عنوان نمونه زایمان زودرس را شناسایی و برای مدیریت هرچه بهتر به ‌کار گیرند.

some risk factors for preterm birth in gerash county, fars province using the method of geographic weighted regression (gwr)

introduction: preterm birth is defined as birth before 37 weeks of gestation and is the leading cause of infant mortality. therefore, researchers worldwide have identified various risk factors associated with preterm birth. the aim of this study was that using the geographically weighted regression (gwr) method identifies the areas most affected by preterm birth in gerash county, considering maternal age groups, gestational weeks, and socioeconomic conditions.methods: in this study, the gwr model was employed to examine the relationship between preterm birth and 26 risk factors in gerash county. these 26 risk factors included various age groups, different gestational weeks, income level, history of cesarean section, placenta previa, inadequate maternal weight gain, history of urinary and genital tract infections, first-trimester bleeding, minor thalassemia, multiple pregnancies, thyroid disorders, diabetes, kidney diseases, history of hypertension, covid-19, and blood-related complications as independent variables, and preterm birth as dependent variable.results: among the 26 risk factors, 13 cases or half were significantly associated with preterm birth. among these factors, some showed varying degrees of correlation in different parts of the county, making it easier to implement effective preventive and management measures in areas with high correlation. however, some factors such as thalassemia minor, inadequate weight gain, and gestational weeks 30-33 and 34-36 showed a very high correlation in all parts of the county, requiring significant attention for prevention.conclusion: the practical results of the gwr model and its high power for spatial modeling can help managers and planners to identify sensitive areas of diseases and various issues, such as preterm birth, and manage them more effectively.