كاربرد مدل رگرسيون پواسن با صفرهاي انباشته چند سطحي در شناسايي عوامل مرتبط با تعداد روزهاي اضافه بستري بيماران تحت جراحي‌هاي ناحيه شكم در شهر شيراز

Application of multilevel zero-inflated Poisson regression for assessing the risk factors of excess hospitalization among patients undergoing abdominal surgeries in Shiraz, Iran

زمينه و هدف : طولاني شدن اقامت بيماران در بيمارستان منجر به تحميل هزينه‌هاي قابل توجهي بر فرد و سيستم درماني جامعه مي‌گردد. اين مطالعه به منظور تعيين كاربرد مدل رگرسيون پواسن با صفرهاي انباشته چند سطحي در شناسايي عوامل مرتبط با تعداد روزهاي اضافه بستري بيماران تحت جراحي‌هاي ناحيه شكم انجام شد. روش بررسي : در اين مطالعه توصيفي – تحليلي 485 پرونده بيماران بستري از پنج بيمارستان دولتي و خصوصي شهر شيراز به روش نمونه‌گيري در دسترس ارزيابي شدند. از مدل رگرسيون پواسن با صفرهاي انباشته چند سطحي به منظور بررسي عوامل خطر مرتبط با تعداد روزهاي اضافي بستري استفاده شد. به‌منظور برآورد پارامترهاي مدل، روش ماكزيمم درستنمايي و براي ارزيابي مدل، شاخص‌هاي نيكويي برازش AIC (Akaike Information Criterion) و BIC (Bayes Information Criterion) به‌كار برده شد. يافته‌ها : 81.2% از بيماران تعداد روز اضافه بستري نداشتند. نتايج مدل نشان داد متغيرهاي سن، تنفس، سرطان، تزريق خون، داشتن تب بالا، مصرف سيگار و مواد مخدر اثر معني‌داري بر تعداد روزهاي اضافه بستري نداشتند. در مقابل متغيرهاي جنسيت زن، داشتن بيماري كليوي، سابقه جراحي و ابتلا به عارضه ايلئوس سبب افزايش تعداد روزهاي اضافه بستري بيماران گرديد (P<0.05). همچنين جراحي لاپاراسكوپي كيسه صفرا و بيرون آوردن غده پروستات شانس اضافه بستري را به ترتيب 4.64 برابر و 9 برابر افزايش داد (P<0.05). نتيجه‌گيري : جنسيت زن، داشتن بيماري كليوي، سابقه جراحي، انجام عمل جراحي لاپاراسكوپي كيسه صفرا، انجام عمل جراحي بيرون آوردن غده پروستات و ابتلا به عارضه ايلئوس به عنوان متغيرهاي افزايش دهنده تعداد روزهاي اضافه بستري بيماران بودند.

Background and Objective: Prolonged hospitalization lead to considerable financial burden for patients as well as health care system. This study aimed to identifying important factors resulting in excess hospitalization days in patients undergoing abdominal surgeries using the multilevel zeroinflated Poisson regression model. Methods: In this descriptive - analytic study, 485 patients from five teaching and private hospitals in Shiraz (southern Iran) were selected based on convince sampling method. Multilevel zero-inflated Poisson regression model was used to determine the risk factors of excess hospitalization day. Maximum likelihood method was used to estimate parameters of the model. Moreover, Akaike Information Criterion (AIC) and Bayes Information Criterion (BIC) indices were applied to assess the goodness of fit of the model. Results: The primary analysis of data showed that 81.2% of the patients did not undergo excess hospitalization days. Based on findings, age, respiration rate, blood infusion, fever, smoking and drug abuse did not affect excess hospitalization days. In contrast, gender, renal diseases, operation history, laparoscopic gallbladder removal, prostate surgery and ileus significantly led to excess hospitalization days (P<0.05). Laparoscopic gallbladder removal, prostate surgery increased the chance of excess of hospitalization days to 4.64 and 9 times, respectively (P<0.05). Conclusion: Geder, renal diseases, operation history, laparoscopic gallbladder removal, prostate surgery and ileus significantly led to excess hospitalization days.