تعيين عوامل موثر بر طول مدت بستري بيماران با استفاده از مدل هاي رگرسيوني پواسن آميخته

Factors Affecting Hospital Length of Stay Using Mixed Poisson Regression Models

سابقه و هدف: مدل‌بندي مدت اقامت بيماران در سيستم‌هاي بهداشتي از اهميت بالايي برخوردار مي‌باشد، اما در ايران مطالعات تخصصي كمي در اين زمينه صورت گرفته است. اين مطالعه با هدف شناسايي مدل بهينه از ميان توزيع‌هاي پواسن آميخته در مدلبندي مدت بستري و يافتن عوامل موثر بر آن صورت گرفت. مواد و روش‌ها: در اين مطالعه تحليلي- مقطعي تعداد 1256 پرونده شامل 15 متغير مرتبط با مدت زمان بستري بيماران مراجعه‌كننده به بيمارستان امام خميني ساري در سال 1395 مورد بررسي قرار گرفت. توزيع‌هاي پواسن-يكنواخت-گسسته و پواسن-ليندلي تعميم يافته به متغير مدت زمان بستري در بيمارستان برازش داده شد. يافته‌ها: ميانگين مدت بستري 95/4 روز بود. بر اساس نتايج آزمون امتياز، داده‌ها بيش پراكنده بود (001/0>P). توزيع پواسن ليندلي تعميم يافته بهترين مدل بود (مقدار آكاييك=61/5994). در اين مدل اثر متغيرهاي سن، جنس، تاهل، شغل، مرگ، بخش بستري و علت بستري بر طول مدت بستري معني‌دار بود (05/0>P). بيماران در رده‌هاي سني پايين‌تر و بيماران شاغل به طور متوسط مدت بستري طولاني‌تري داشتند. مدت بستري زنان به طور ميانگين 40/1 برابر مردان بود. طول مدت بستري به طور متوسط در بخش داخلي 68/2 برابر، جراحي57/1برابر، اورژانس 62/1 برابر و بخش زنان و زايمان 78/0 برابر بيماراني بود كه در بخش انكولوژي بستري شده بودند. بيماري‌هاي دستگاه عضلاني-اسكلتي با ميانگين 51/8 روز بيش ترين مدت بستري را داشتند. استنتاج: با توجه به اينكه تعداد روزهاي بستري در بخش‌هاي متفاوت بيمارستان توزيعي متفاوت دارد، انتخاب يكي از توزيع‌هاي پواسن آميخته با برازش بهينه مناسب است.

Background and purpose: Modeling of Hospital Length of Stay (LOS) is of great importance in healthcare systems, but there is paucity of information on this issue in Iran. The aim of this study was to identify the optimal model among different mixed poisson distributions in modeling the LOS and effective factors. Materials and methods: In this cross-sectional study, we studied 1256 records, including 15 variables associated with LOS in Sari Imam Khomeini Hospital (2016). Discrete Uniform-Poisson (UP) and Generalized Poisson-Lindley (GPL) distributions were fitted on LHS and modeling was performed. Results: Mean LOS was 4.95 days. According to the Z-test, data were overdispersed (P<0.001). GPL distribution was the best model (Akaike value=5994.61). GPL regression model showed significant relationships between LOS and age, sex, marital status, occupation, death, inpatient ward, and diagnosis (P<0.05). Longer LOS were seen in patients of lower ages and those who were employed. Mean LOS in women was 1.40 times higher than men. The LOS in internal ward, surgery, emergency, and maternity wards were (2.68, 1.57, 1.62, 0.78 times, respectively) higher than those in oncology ward. Mean LOS was considerably higher in patients with musculoskeletal disorders (8.51 days). Conclusion: Hospital length of stay was different in all wards, so any Mixed Poisson Distribution that better fits such data could be used.