Nursing and Midwifery Journal

fa بررسی قدرت پیشگویی‌کنندگی کیفیتِ خواب بر خودکارآمدی شیردهی مادرانِ نوزادانِ نارس در مرکزِ آموزشی درمانی کوثرِ ارومیه در سال 1402: یک مطالعه مقطعی PREDICTION POWER OF SLEEP QUALITY ON MATERNAL SELF-EFFICACY IN BREASTFEEDING PRETERM INFANTS AT KOSAR EDUCATIONAL AND MEDICAL CENTER IN URMIA IN 2023: A CROSS-SECTIONAL STUDY پرستاری Nursing پژوهشي Research پیش‌زمینه و هدف: از عوامل بسیار مهم در موفقیت فرآیند شیردهی نوزادان نارس، خودکارآمدی شیردهی است. در دوران پس از زایمان، مادران شیرده باید خواب و استراحت کافی داشته باشند، زیرا شیردهی مادران را از خواب کافی بازمی‌دارد و درنتیجه اغلب باعث کم‌خوابی آنان در این دوره می‌شود. پژوهش حاضر باهدف تعیین قدرت پیشگویی‌کنندگی کیفیت خواب بر خودکارآمدی شیردهی در نوزادان نارس در مرکزِ آموزشی درمانی کوثرِ ارومیه در سال 1402 انجام شد. مواد و روش‌ها: پژوهش حاضر یک مطالعه توصیفی از نوع مقطعی-همبستگی بود که بر روی مادرانِ نوزادانِ نارس در مرکزِ آموزشی درمانی کوثرِ ارومیه در سال 1402 انجام شد. تعداد 150 مادر با روش نمونه‌گیری در دسترس انتخاب شدند. پرسشنامه‌های کیفیت خواب پیتزبورگ، فرم کوتاه پرسشنامه خودکارآمدی شیردهی دنیس و رضایت آگاهانه به‌صورت چاپی بر روی کاغذ به مادرانی که دارای معیارهای ورود به مطالعه بودند و در بخش NICU حضور داشتند، داده شد. پس از جمع‌آوری داده‌ها برای مقایسه آماری از آمار توصیفی و شاخص‌های مرکزی شامل میانگین و انحراف معیار استفاده شد. از آمار استنباطی مانند ضریب همبستگی پیرسون و آنالیز رگرسیون چند متغیره جهت پیش‌بینی خودکارآمدی شیردهی توسط کیفیت خواب استفاده شد. داده‌های به‌دست‌آمده به‌وسیله نرم‌افزار آماری SPSS نسخه 17 تجزیه‌وتحلیل گردیدند. یافته‌ها: نتایج آمار توصیفی نشان داد که میانگین و انحراف معیار نمرات کیفیت خواب شرکت‌کننده‌ها 96/2 ± 64/15 و میانگین و انحراف معیار نمرات خودکارآمدی شیردهی شرکت‌کننده‌ها 66/6 ± 44/25 بود. نتایج آزمون همبستگی پیرسون نشان داد که بین نمرات کیفیت خواب و خودکارآمدی شیردهی ارتباط معنی‌دار و معکوس وجود داشت (001/0 =p). نتایج تحلیل رگرسیون چند متغیره نشان داد که از بین متغیرهای واردشده به مدل کیفیت خواب، نوع زایمان و تعداد زایمان 71 درصد از واریانس نمره  خودکارآمدی شیردهی را پیشگویی می‌کنند. کیفیت خواب می‌تواند حدود 32 درصد خودکارآمدی شیردهی مادران نوزادان نارس را پیش‌بینی کند. بحث و نتیجه‌گیری: با توجه به نتایج به‌دست‌آمده، می‌توان نتیجه گرفت که بین کیفیت خواب و خودکارآمدی شیردهی مادران نوزاد نارس ارتباط معکوس و معناداری وجود دارد. این ارتباط معکوس بین کیفیت خواب و خودکارآمدی شیردهی نشان می‌دهد که کاهش اختلال خواب می‌تواند تأثیر مثبتی بر خودکارآمدی شیردهی مادران نوزادان نارس داشته باشد. انجام مطالعات بیشتر در این زمینه و مقایسه آن با نتایج مطالعه حاضر توصیه می‌شود.   Background & Aim: One of the most crucial factors in the success of breastfeeding premature babies is breastfeeding self-efficacy. Nursing mothers should prioritize getting enough sleep and rest during the postpartum period, because breastfeeding prevents mothers from getting enough sleep and as a result often causes them to sleep less during this period. The study aimed to assess the predictive impact of sleep quality on breastfeeding self-efficacy in premature infants at Kosar Medical Education Center in Urmia in 2023. Materials & Methods: The present study was a descriptive cross-sectional correlational study conducted on mothers of premature babies in Kosar Educational and Therapeutic Center in Urmia, Iran in 2023. One hundred and fifty mothers were selected using the convenience sampling method. Mothers who met the inclusion criteria and were in the NICU filled the Pittsburgh Sleep Quality Questionnaires, a shortened version of the Dennis Breastfeeding Self-Efficacy Questionnaire, as well as an informed consent. After data collection, descriptive statistics and central indicators including mean and standard deviation were used for statistical comparisons. Inferential statistics such as Pearson's correlation coefficient and multivariate regression analysis were used to predict breastfeeding self-efficacy by sleep quality. The obtained data was analyzed using SPSS software version 17. Results: Descriptive statistics showed that the mean sleep quality score was 2.96 ± 1.15, and the mean score of breastfeeding self-efficacy was 6.66 ± 4.25. Pearson correlation test indicated a significant inverse relationship between sleep quality and breastfeeding self-efficacy (P < 0.001). Multiple regression analysis revealed that sleep quality, type of delivery, and number of deliveries predict 71% of the variance in breastfeeding self-efficacy score. Sleep quality can predict about 32% of breastfeeding self-efficacy of mothers of premature babies. Conclusions: According to the results, there was an inverse and significant relationship between sleep quality and breastfeeding self-efficacy of mothers of premature infants. This inverse relationship between sleep quality and breastfeeding self-efficacy shows that reducing sleep disturbance can have a positive effect on the breastfeeding self-efficacy of mothers of premature babies. It is recommended to conduct more studies in this field and compare it with the results of the present study.   شیردهی, مادران, نوزادان نارس, خودکارآمدی, کیفیت خواب Breastfeeding, Mothers, Preterm Infants, Self-Efficacy, Sleep 476 485 http://unmf.umsu.ac.ir/browse.php?a_code=A-10-4236-1&slc_lang=fa&sid=1 Fardin Ajoudani فردین آجودانی 100319475328460038467 100319475328460038467 No Assistant Professor of Nursing, Faculty of Nursing and Midwifery, Urmia University of Medical Sciences, Urmia, Iran استادیار پرستاری، دانشکده پرستاری و مامایی، دانشگاه علوم پزشکی ارومیه، ارومیه، ایران Sepideh Habibnezhad سپیده حبیب نژاد sepidehhhb1996@gmail.com 100319475328460038468 100319475328460038468 Yes MSc Student in Nursing, Urmia University of Medical Sciences, Urmia, Iran دانشجوی کارشناس ارشد پرستاری، دانشگاه علوم پزشکی ارومیه ، ارومیه، ایران Leila Alilu لیلا آلیلو 100319475328460038469 100319475328460038469 No Associate Professor of Nursing, Faculty of Nursing and Midwifery, Urmia University of Medical Sciences, Urmia, Iran دانشیار پرستاری، دانشکده پرستاری و مامایی، دانشگاه علوم پزشکی ارومیه، ارومیه، ایران Vahid Alinejad وحید علی نژاد 100319475328460038470 100319475328460038470 No Assistant Professor of Biostatistics, Faculty of Medicine, Urmia University of Medical Sciences, Urmia, Iran استادیار آمار زیستی، دانشکده پزشکی، دانشگاه علوم پزشکی ارومیه، ارومیه، ایران