مدل رگرسیون نیمه پارامتری کاکس در تعیین عوامل مؤثر بر مدت اقامت بیماران بستری

نویسندگان

1 گروه آمار و ریاضی، مرکز تحقیقات مدیریت بیمارستانی، دانشکده مدیریت و اطلاع رسانی پزشکی، دانشگاه علوم پزشکی تهران

2 دانشکده مدیریت و اطلاع‏رسانی پزشکی، دانشگاه علوم پزشکی تهران

چکیده

 مقدمه و هدف: یکی از شاخص‏های عمده در ارزیابی عملکرد بیمارستان‏ها و مدیران آنها، متوسط اقامت بیماران است؛ با
توجه به اهمیت این شاخص در مطالعه حاضر به بررسی عوامل مؤثر بر مدت اقامت بیماران
بستری پرداخته‏شده‏است.     مواد و روش‏ها: مطالعه حاضر، مقطعی است که 935 بیمار به روش نمونه‏گیری
طبقه‏بندی چندمرحله‏ای از بیماران بستری در بیمارستان هاشمی‏نژاد در سال 1389
انتخاب‏شدند. برای تعیین عوامل مؤثر بر مدت اقامت بیماران از مدل رگرسیون نیمه
پارامتری کاکس استفاده‏شد و تحلیل داده‏ها با استفاده از نرم‏افزار آماری R انجام‏شد.   نتایج: 5/62 درصد ( 585 نفر) از بیماران بستری زن
بودند و بیشتر بستری‏شدگان سن بیشتر از 50 سال داشتند. میانگین (± انحراف‏معیار) سنی
بیماران برابر 02/50 ) 07/19± ( بود. 56 درصد (586نفر) بیماران
دارای بیمه تأمین اجتماعی و 6/19 درصد (185نفر) نیز بدون بیمه یا با بیمه تکمیلی
بستری شده‏بودند. میانگین مدت بستری بیماران بیمارستان برابر 77/12 (13/11±) بوده‏است. مردان مدت
اقامتی کوتاه‏تر از زنان داشتند و این تفاوت از نظر آماری معنی­دار است (005/0=p).
میانه مدت بستری برابر 2/14 روز به‏دست‏آمد. متغیرهای سن و جنسیت بیمار بر طول مدت
بستری بیماران مؤثر (05/0-).    نتیجه‏گیری: مدل رگرسیون کاکس، مدلی مناسب برای برازش به داده‌های
مدت اقامت بیماران با ویژگی چولگی به راست و وجود سانسور است؛ همچنین عوامل مؤثر
بر مدت اقامت بیماران برحسب نوع بیماری متفاوت است.  

کلیدواژه‌ها


عنوان مقاله [English]

Semi-parametric Cox regression for factors affecting hospitalization length

نویسندگان [English]

  • Mahmoodreza Gohari 1
  • Nasim Vahabi 2
  • Zeinab Moghadamifard 2
چکیده [English]

 Background and Objective: Length of stay (LOS) is one of
the most important indexes for performance evaluation of hospitals and their
manager. With respect to the importance of this
index, we determined the factors affecting LOS.   Materials and Methods: This was an analytical study. The
under study population included patients which died in Hasheminejad hospital in
2010 and 935 patients using multi-stage cluster sampling method were selected.
Variables, LOS, age, insurance and ICD10 code were gathered from patients’
files. Factors associated to LOS were analyzed using R software and
semi-parameter Cox regression model.    Results: It was found out that 62.5% (585) of
patients was women and most of them had an age larger than 50 years. Mean age (±SD)
of patients was 50/02 (±19.07). In addition, 56% (586) of patients had
Tamin-Ejtemaee insurance and 19.6% (185) had stayed without insurance or with
complementary insurance. Mean LOS (±SD) of patients was 12.77 (±11.131) and LOS
of men was more than women with a significant difference (p=0.005). Median of
LOS was 14.2. The results of Cox regression for the variables age and sex was
significant (p < .001) and insurance had not a significant effect on LOS.   Conclusion: Two important features of LOS data are
non-normality and presence of censorship, so using classic models for such data
is not useful and this causes estimations with low precision. Because of these
two features and for having more precise estimation, using survival analysis is
suggested for such data. 

کلیدواژه‌ها [English]

  • Semi-parametric Cox regression
  • Length of stay
  • Censorship