Amaç: Bu çalışmada, 0–2 yaş sağlıklı çocukların baş çevresine ilişkin gelişimin izlenmesi için büyüme eğrilerinin belirlenmesi amaçlanmıştır. Gereç ve Yöntem: Baş çevresine ilişkin veriler, 0–2 yaş grubu sağlıklı çocuklara ilişkin olup, Gazi Üniversitesi Tıp Fakültesi Çocuk Sağlığı ve Hastalıkları Anabilim Dalı Sağlam Çocuk Polikliniğinden alınmıştır. Bu veriler, 2 yıl boyunca çocuklara ilişkin belirli zamanlardaki ölçümlere dayanmaktadır. Büyümenin izlenmesinde doğrusal olmayan Gompertz, Lojistik ve Monomoleküler modelleri kullanılmıştır. Bulgular ve Sonuçlar: Tahmin edilen Gompertz, Lojistik ve Monomoleküler gibi doğrusal olmayan modellere ait belirleme katsayısı değerleri 0.99’dan daha büyük (R2>0.99) bulunmuştur. Sonuçlar, çocukların baş çevresine ilişkin gelişimin izlenmesinde elde edilen büyüme eğrilerinin kullanılabileceğini göstermiştir. Çalışmanın sonuçlarına göre, büyümenin izlenmesinde doğrusal olmayan modellerin kullanılması önerilmektedir. Çalışmanın ilerleyen aşamalarında büyümenin izlenmesinde doğrusal olmayan ilişkileri modelleyebilen yapay sinir ağları gibi istatistiksel yöntemlerin kullanılması ile daha iyi sonuçlar elde edilebilir.

Aim: It is aimed to determine growth curves for development monitoring related to head circumference of 0–2 aged healthy children. Material and Method: The measurements of head circumference for 0–2 aged healthy children were enrolled in Gazi University, Faculty of Medicine, Department of Pediatrics. Gompertz, Logistic and Monomolecular growth models were used to obtain growth curves of 0–2 aged healthy children. Conclusion: The values of determination coefficient were estimated greater than 0.99 (R2>0.99) for the models of Gompertz, Logistic and Monomolecular. The results of the current study point out that non-linear growth curve models (i.e., Gompertz, Logistic and Monomolecular) can be used for the growth monitoring, and it is proposed to use non-linear growth curve models for this purpose. In future, statistical methods such as artificial neural networks which can model non-linear relationships may give better results for monitoring the growth.