Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
Modelling zero-truncated overdispersed antenatal health care count data of women in Bangladesh.
PLOS ONE ( IF 2.9 ) Pub Date : 2020-01-14 , DOI: 10.1371/journal.pone.0227824 Zakir Hossain 1 , Rozina Akter 1 , Nasrin Sultana 2 , Enamul Kabir 3
PLOS ONE ( IF 2.9 ) Pub Date : 2020-01-14 , DOI: 10.1371/journal.pone.0227824 Zakir Hossain 1 , Rozina Akter 1 , Nasrin Sultana 2 , Enamul Kabir 3
Affiliation
|
Overdispersion in count data analysis is very common in many practical fields of health sciences. Ignorance of the presence of overdispersion in such data analysis may cause misleading inferences and thus lead to incorrect interpretations of the results. Researchers should account for the consequences of overdispersion and need to select the correct choice of models for the analysis of such data. In this paper, Generalized Linear Models (GLMs) are applied in modelling and analysis of antenatal care (ANC) count data extracted from the Bangladesh Demographic and Health Survey (BDHS) 2014. Pearson chi-square and different score tests are used to investigate the effect of overdispersion in the analysis. Overdispersion is found to be significant in the antenatal health care count data and so appropriate modelling is used to produce valid inferences for the regression parameters. The zero-truncated negative binomial regression (0-NBR) is found to be the best choice for analysing such data while excluding zero counts. Study findings reveal that place of residence, order of birth, exposure to mass media, wealth index and education of mother have significant impacts on the ANC status of women during pregnancy in Bangladesh.
中文翻译：
对孟加拉国妇女零截断的过度分散的产前保健计数数据进行建模。
在健康科学的许多实际领域中，计数数据分析中的过度分散非常普遍。在此类数据分析中对过度分散的存在的无知可能会导致误导性推论，从而导致对结果的错误解释。研究人员应考虑过度分散的后果，并需要选择正确的模型选择来分析此类数据。本文将广义线性模型（GLM）应用于从孟加拉国人口与健康调查（BDHS）2014中提取的产前保健（ANC）计数数据的建模和分析中。采用Pearson卡方和不同评分测试来调查分析中过度分散的影响。发现过度分散在产前保健计数数据中很重要，因此可以使用适当的模型为回归参数产生有效的推论。发现零截断的负二项式回归（0-NBR）是分析此类数据同时排除零计数的最佳选择。研究结果表明，居住地，出生顺序，接触大众媒体，财富指数和母亲的教育对孟加拉国妇女怀孕期间的ANC状况有重大影响。
更新日期：2020-01-15
中文翻译：
对孟加拉国妇女零截断的过度分散的产前保健计数数据进行建模。
在健康科学的许多实际领域中，计数数据分析中的过度分散非常普遍。在此类数据分析中对过度分散的存在的无知可能会导致误导性推论，从而导致对结果的错误解释。研究人员应考虑过度分散的后果，并需要选择正确的模型选择来分析此类数据。本文将广义线性模型（GLM）应用于从孟加拉国人口与健康调查（BDHS）2014中提取的产前保健（ANC）计数数据的建模和分析中。采用Pearson卡方和不同评分测试来调查分析中过度分散的影响。发现过度分散在产前保健计数数据中很重要，因此可以使用适当的模型为回归参数产生有效的推论。发现零截断的负二项式回归（0-NBR）是分析此类数据同时排除零计数的最佳选择。研究结果表明，居住地，出生顺序，接触大众媒体，财富指数和母亲的教育对孟加拉国妇女怀孕期间的ANC状况有重大影响。
京公网安备 11010802027423号