شناسايي برخي عوامل موثر بر بقا سالمندان مقيم سراي سالمند با استفاده از الگوي مفصل مخاطرات رقابتي: رويكرد بيزي

To identify some factors effective on survival of the elderly living in nursing home using Copula Competing Risk Model: Bayesian approach

مقدمه: تنوع علل مرگ در جوامع سالمندي بالاست. براي بررسي و تحليل زمان تا مرگ سالمندان مي توان از الگوهاي مخاطرات رقابتي استفاده كرد. هدف از اين مطالعه، شناسايي برخي عوامل موثر بر بقا سالمندان مقيم سراي سالمند با استفاده از الگوي مفصل مخاطرات رقابتي با رويكرد بيزي مي باشد. مواد و روش ها: در اين مطالعه توصيفي-طولي، اطلاعات مندرج در پرونده 510 سالمند پذيرش شده در مجتمع سالمندان گلابچي كاشان استخراج شد. براي شناسايي عوامل موثر بر زمان تا مرگ سالمندان، تشخيص هاي پزشكي مندرج در پرونده سالمندان مدنظر قرار گرفت. سپس الگوي مخاطرات رقابتي با استفاده از تابع مفصل كلايتون تحت رويكرد بيزي بر داده ها برازش شد و فواصل اطمينان بيزي (باورمند) برآورد گرديد. از نرم افزار WinBugs براي تجزيه و تحليل داده ها استفاده شد. يافته ها: در بررسي الگوي تك متغيره با توجه به فواصل اطمينان بدست آمده، عوامل سن در آغاز پذيرش، فشار خون بالا، وجود سابقه بيماري قلبي در فاميل، سابقه سكته قلبي و سابقه سكته مغزي بر زمان تا مرگ سالمندان به علت بيماري هاي قلبي عروقي داراي اثري معنادار بودند. در الگوي چندگانه متغيرهاي قرار داشتن در گروه سني بين 75-90 سال در آغاز پذيرش ((67/3,26/1)=CI95%; 1/2HR=) و سابقه سكته مغزي((32/3,28/1)=CI95%; 2 HR=) بر زمان تا مرگ سالمندان به علت بيماري هاي قلبي عروقي داراي اثري معنادار بودند. نتيجه گيري: يكي از محاسن الگو سازي آماري، قابليت تعميم نتايج بدست آمده مي باشد. با توجه به يافته هاي به دست آمده عوامل مهمي كه زمان وقوع مرگ در سالمندان را تسريع مي بخشند شناسايي شدند. لذا توصيه مي شود در اقدامات درماني و پيشگيرانه به منظور افزايش زمان بقا براي سالمندان عوامل مذكور نيز مدنظر قرار گيرند.

Introduction: Wide verity of causes of death exist in ageing societies. It is suitable to apply competing risk models in order to investigate and analyze time to death in the target population. The aim of this study was to identify some factors effective on survival of the elderly living in nursing home using Copula Competing Risk Model with Bayesian approach. Materials & Methods: In a descriptive-longitudinal study, data were collected from 510 elderly’s medical documents in Kashan Golabchi elderly nursing home. To identify effective factors associated with time to death of the elderly, medical diagnosis of cause of death cited in elderly’s documents were considered. Later, Competing Risk Model using Clayton Copula Function based on Bayesian approach was fitted and Credible intervals were estimated. To analyze the data WinBugs Software was used. Findings: In univariate analysis, being in the age at the beginning of reception, hypertension, family history of cardiovascular diseases, history of myocardial infarction, history of stroke were significant for time to death due to cardiovascular diseases in the elderly. In multivariate analysis, age group 75 to 90 years at the beginning of the reception (HR=2.1; CI 95%= (1.26, 3.67)) and history of stroke (HR=2; CI 95%= (1.28, 3.32)) were significant for time to death due to cardiovascular diseases in the elderly. Conclusion: One of the benefits of statistical modeling is the ability to generalize its results. According to the results, some crucial factors accelerating the time of death in elderly were identified. Therefore, it is highly recommended that, in therapeutic and preventive actions in order to increase the survival time for the elderly the significant studied factors should be considered.