پيش بيني كننده‌هاي مدت اقامت بيمار در بيمارستان

Predictors for Duration of Stay in Hospitals

زمينه و هدف: استفاده بهينه از منابع در دسترس، يكي از چالشهاي مديران همه بيمارستانها ميباشد. يكي از راه حلهاي پيشنهادي براي حل اين مشكل، كاهش متوسط مدت اقامت در بيمارستان است. هدف اين مطالعه شناسايي عوامل تاثيرگذار بر طولاني شدن مدت اقامت بيماران است. روش كار: مطالعه حاضر، بصورت مقطعي بر روي پرونده 370 بيمار بستري در بيمارستان سينا وابسته به دانشگاه علوم پزشكي تهران كه به روش نمونه گيري تصادفي انتخاب شدند، انجام شد. دادههاي مورد نياز بوسيله چك ليست از پيش طراحي شده گردآوري و با استفاده از نرم افزار آماري STATA تحليل شد. يافتهها: ميانه مدت اقامت در بيماران مورد مطالعه 4 روز بود. كمترين مدت اقامت يك و بيشترين آن 60 روز بود. از بين متغيرهاي بررسي شده ارتباط بين سن (04/0p=)، شغل (03/0p=)، علت بستري (04/0p=)، بخش بستري (03/0p=) و وضعيت ترخيص بيمار (04/0p=) با مدت اقامت بيماران از لحاظ آماري معنيدار بود. در گروههاي سني، بالاترين نسبت شانس (09/2OR=) مربوط به گروه سني 79-60 سال بود. از نظر وضعيت ترخيص، بيشترين نسبت شانس (8/1OR=) مربوط به پيگيري مجدد است. نتيجهگيري: به منظور مديريت بهتر اين شاخص عملكردي، ارائهدهندگان بايستي عوامل تاثيرگذار بر اين شاخص را شناسايي نموده و در زمينه موارد قابل كنترل شناسايي شده اقدامات اصولي را در جهت استفاده بيشتر از هر تخت بيمارستاني به عمل آورند.

Background & objectives: Optimal use of available resources is one of the challenges for all the hospital managers. One proposed solution for this problem is reduction of the average duration of hospitalization. The purpose of this study was to identify factors affecting long-stay hospitalizations. Methods: This cross-sectional survey was done on medical records of 370 randomly selected inpatients in Sina hospital in 2013. Data collection tool was researcher-made form. Data analysis was done by STATA software. Results: The median of LOS in the studied hospital was 4 days. Minimum and maximum of LOS was 1 and 60 days, respectively. Factors such as age (p= 0.04), job (p=0.03), type of disease (p= 0.04), hospitalization ward (p= 0.03) and discharge status (p= 0.04) significantly affected the average length of stay. Among the age groups the highest odds ratio (OR =2.09) belonged to 60-79 years age group. In terms of discharge status patients that need to follow up at discharge time had the highest odds ratio (OR = 1.8). Conclusions: In order to better manage the LOS indicator, care providers must identify the factors affecting this indicator and then towards these manageable identified factors implement principal measures to take advantage of all the hospital beds.