Joinpoint Regression Analysis of the Basic Health Indicators Between the Years of 2003-2016 in Turkey ÖZET Amaç: Klasik regresyon analizi modeli incelenen dönem içerisinde trendin değişmediğini varsayar. Fakat, epidemiyolojik araştırmalarda çeşitli yapısal değişimler, risk faktörleri, politikaların değişmesi gibi müdaheleler ile sağlık göstergeleri incelenen dönem için sabit bir trende sahip olmayabilir. Çalışılan zamanda meydana gelen bu parçalı trendleri bulabilmek için Joinpoint Regresyon Analizi (JRA) kullanılmaktadır. JRA zamanda meydana gelen bu kırılmalar için kısa dönem trendleri ve bu parçalı trendlerden geometrik ortalama ile uzun dönem trendleri hesaplar. Bu çalışmanın amacı, sağlık bakanlığının 2003 yılından başlayarak sağlıkta dönüşüm adı altında geliştirdiği reformların sağlık göstergelerinde meydana getirdiği değişimleri JRA ile analiz etmektir. Gereç ve Yöntemler: Bu kapsamda, 2003-2016 yılları arasında Dünya Sağlık Örgütü'nün (DSÖ) sağlık statüsü, risk faktörleri, sağlık hizmetleri kapsamı, sağlık sistemi başlığı altındaki 15 değişkeni JRA ile test etmektir. Bulgular: Bebek ölüm hızında 2003-2010 döneminde yıllık % 12.8 anlamlı düşüş (p<0.001), 2010-2016 yıllarında ise yıllık %2.8 anlamlı olmayan (p=0.147) düşüş olduğu görülmüştür. Hemşire sayısında, 2005-2012'de yıllık % 6.6 (p<0.001), 2012-2016'da yıllık % 0.8 (p=0.049) anlamlı artış, hekim sayısının ise incelenen dönemde yıllık ortalama % 2.1 anlamlı artış gösterdiği hesaplanmıştır(p<0.001). Sonuç: OECD ülkeleri ile karşılaştırıldığında da sağlık göstergelerinin iyileştirilebilmesi için özellikle bebek ölüm hızı ve sağlık çalışanları göstergelerinde ortalamanın altında kalındığı ve bu alanlara odaklanan sağlık politikalarının uygulanması gerektiği düşünülmektedir. Anahtar Kelimeler: Joinpoint regresyon; sağlık göstergeleri; yapısal kırılma; zaman serileri analizi ABSTRACT Objective: Classical regression analysis model assumes that trend remain constant in the given time scale. However, in epidemiological research, due to some involvements such as structural changes, risk factors and changes in policies, health indicators may not remain constant in the given time scale. In order to locate these segmented trends on the time scale Joinpoint Regression Analysis (JRA) is used. JRA employs Annual Percent Change (APC) to locate these segments, and using those segmented trends, Annual Average Percent Change (AAPC) is calculated through geometric mean. The study at hand aims to analyze the changes in the health indicators brought about with the reforms carried out by the Ministry of Health since 2003. Material and Methods: In line with this, JRA is used to analyze data from the years of 2003 to 2016, retrieved from OECD database, focusing on 15 variables which were formulated with reference to categories health status, risk factors, health services coverage and healthcare system determined by World Health Organization (WHO). Results: There observed a statistically significant decrease in the infant mortality rates by 12.8% (p<0.001) between the years o...
Öz Purpose: The rapid increase in the share of health expenditures in recent years and the efforts of the countries to use the limited resources efficiently have been the essential factor that accelerated the efficiency studies at the macro level in the health sector. This research was conducted to Turkey to examine the efficiency of the health system at the provincial level (NUTS-3). This study also investigates sources of inefficiency and the factors influencing that efficiency in Turkey. Materials and Methods: In the research, Data Envelopment Analysis (DEA) for efficiency and multivariate Tobit regression analysis were used to determine the factors related to efficiency. Efficiency analysis were performed in the study with input-oriented CCR, BCC and RTS methods. In the analysis for each province is taken total hospital beds (per 1 000 population), physicians density (per 1 000 population), nurses density (per 1 000 population) as an input and infant mortality (per 1000 live births), and life expectancy at birth as output. Results: According to the research findings, 10 provinces were found to be total efficiency (CCR) and 14 provinces were technically efficiency (BCC). The average total efficiency score of the provinces was found to be 0.8051 (CCR), and the technical efficiency score was 0.8332 (BCC). The average scale efficiency score of the provinces is 0.9649. Conclusion: The inefficiency in the inputs of the provinces is partly due to the inefficiency of scale, while the technical inefficiency is largely due to resource use. The research findings provided information to managers and policymakers about the technical efficiency of the provinces and the changes to be made in health inputs to make the inefficient provinces relatively efficient. Amaç: Son yıllarda sağlık harcamalarına ayrılan payın hızla artması ve ülkelerin eldeki sınırlı kaynakları verimli bir şekilde kullanma çabaları, sağlık sektöründe makro düzeydeki verimlilik çalışmalarını hızlandıran en önemli faktör olmuştur. Bu araştırma, Türkiye sağlık sistemi verimliliğinin iller (IBBS-Düzey 3) düzeyinde incelenmesi amacıyla yapılmıştır. Araştırmada, Türkiye sağlık sisteminin verimlilik düzeyi ile birlikte verimsizlik kaynakları ve verimsizlikle ilişkili olan sosyoekonomik faktörler iller düzeyinde incelenmiştir. Gereç ve Yöntem: Araştırmada verimlilik için veri zarflama analizi, verimlilik ile ilişkili faktörlerin belirlenmesinde çok değişkenli Tobit regresyon analizi kullanılmıştır. Girdi yönelimli Veri Zarflama Analiz (VZA) yöntemiyle toplam verimlilik (CCR), teknik verimlilik (BCC) ve ölçek verimliliği olmak üzere üç farklı verimlilik skoru hesaplanmıştır. VZA modelinde kullanılan girdi değişkenleri başına düşen yatak (her 1000 kişide), hekim sayısı (her 1000 kişide) ve hemşire sayısı (her 1000 kişide)'dır. Çıktı değişkenleri doğumda beklenen yaşam süresi ve bebek ölüm hızı (her 1000 canlı doğumda)'dır. Bulgular: Araştırma bulgularına göre, 10 ilin toplam verimli (CCR), 14 ilin ise teknik verimli (BCC) olduğu bulunmuştur. İllerin ortalama topl...
Bulgular: Uzun dönemli eğilimde, günlük ortalama değişime göre yeni vakalarda %9, hastalığa bağlı ölümlerde %2,6, aktif vaka sayısında %3,9 anlamlı artışların olduğu, yeni vakaların yapılan testlere oranında ise %3,3 anlamlı düşüşün olduğu; aktif vakaların büyüme hızında 24 Nisan 2020 tarihine kadar pozitif, bu tarihten sonra ise negatif bölgede yer aldığı tespit edilmiştir. Kısa dönemli eğilimlerde, yeni vakalarda anlamlı 2 kırılma, 3 trend; hastalığa bağlı ölümlerde anlamlı 4 kırılma ve 4 trend; aktif vaka sayısında ise anlamlı 5 kırılma, 6 trendin olduğu, yeni vakaların yapılan testlere anlamlı bir Joinpoint olmadığı ve tek bir anlamlı trendin olduğu tespit edilmiştir. Sonuç: Dünya'da görülen ilk COVID-19 vakasından sonra alınan ulusal önlemler öncelikle virüsün Türkiye'ye geç gelmesini sağlamış, sonrasında ise alınan hızlı tedbirler ise salgının kontrol edilmesini de önemli derecede kolaylaştırmıştır. İlk dönemlerde alınan sınırlayıcı önlemlerin yeni ve aktif vakaların artışında yavaşlatıcı bir etkisinin olduğu, sokağa çıkma kısıtlamalarıyla birlikte ise verilerdeki negatif yönlü değişime önemli derecede katkı yaptığı söylenebilir. Özellikle sokağa çıkma kısıtlamasını takiben 8 gün sonra yeni vakalarda, 10 gün sonra da aktif vakalarda etkisini gösterdiğini ifade etmek mümkündür. Anah tarKe li me ler: COVID-19; regresyon çözümlemesi; sağlık planlaması; sağlık politikası ABS TRACT Objective: In the study, it is aimed to explain the significant changes and joinpoints in the coronavirus disease-2019 (COVID-19) data by using the Joinpoint Regression Analysis (JRA) method that caused by the decisions made by decision makers in the process of epidemic management. Material and Methods: In the study, as COVID-19 data; new cases, the ratio of new cases to the number of tests performed, the daily deaths due to the disease, the number of active cases per day and the active case growth rate were used. When the data are analysed variables Turkey March 10-12 May 2020 for new cases and for other variables between the date's March 28-12 May 2020 were included in the study. Joinpoint Regression Program (JRP) 4.8.0.1 (April 2020), SPSS Statistics 20 and Microsoft Excel programs were used to analyze the data. Results: According to the long-term trend,there was a significant increase in 9% in new cases, 2.6% in disease-related deaths, and 3.9% in the number of active cases; 3.3% significant decrease in the ratio of new cases to the tests performed; It was determined that active cases were in the positive zone until April 24, 2020, and in the negative zone after this date. It was determined that there were two significant joinpoints, three trends in new cases; four significant joinpoints and four trends in disease-related deaths, five significant joinpoints, six trends in the number of active cases, new cases had no significant point in the tests and there was only one significant trend, in short-term trends. Conclusion: National precautions are taken after the first cases in the world COVID-19, the virus is primarily led to the l...
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2025 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.