تعیین عوامل موثر بر طول مدت بستری بیماران با استفاده از مدل های رگرسیونی پواسن آمیخته

سابقه و هدف: مدل‌بندی مدت اقامت بیماران در سیستم‌های بهداشتی از اهمیت بالایی برخوردار می‌باشد، اما در ایران مطالعات تخصصی کمی در این زمینه صورت گرفته است. این مطالعه با هدف شناسایی مدل بهینه از میان توزیع‌های پواسن آمیخته در مدلبندی مدت بستری و یافتن عوامل موثر بر آن صورت گرفت.مواد و روش‌ها: در این مطالعه تحلیلی مقطعی تعداد 1256 پرونده شامل 15 متغیر مرتبط با مدت زمان بستری بیماران مراجعه‌کننده به بیمارستان امام خمینی ساری در سال 1395 مورد بررسی قرار گرفت. توزیع‌های پواسنیکنواختگسسته و پواسنلیندلی تعمیم یافته به متغیر مدت زمان بستری در بیمارستان برازش داده شد.یافته‌ها: میانگین مدت بستری 4.95 روز بود. بر اساس نتایج آزمون امتیاز، داده‌ها بیش پراکنده بود (0.001>p). توزیع پواسن لیندلی تعمیم یافته بهترین مدل بود (مقدار آکاییک=5994.61). در این مدل اثر متغیرهای سن، جنس، تاهل، شغل، مرگ، بخش بستری و علت بستری بر طول مدت بستری معنی‌دار بود (p<0/05 ). بیماران در رده‌های سنی پایین‌تر و بیماران شاغل به طور متوسط مدت بستری طولانی‌تری داشتند. مدت بستری زنان به طور میانگین 1.40 برابر مردان بود. طول مدت بستری به طور متوسط در بخش داخلی 2.68 برابر، جراحی1.57برابر، اورژانس 1.62 برابر و بخش زنان و زایمان 0.78 برابر بیمارانی بود که در بخش انکولوژی بستری شده بودند. بیماری‌های دستگاه عضلانیاسکلتی با میانگین 8.51 روز بیش ترین مدت بستری را داشتند.استنتاج: با توجه به اینکه تعداد روزهای بستری در بخش‌های متفاوت بیمارستان توزیعی متفاوت دارد، انتخاب یکی از توزیع‌های پواسن آمیخته با برازش بهینه مناسب است.

Factors Affecting Hospital Length of Stay Using Mixed Poisson Regression Models

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 crosssectional study, we studied 1256 records, including 15 variables associated with LOS in Sari Imam Khomeini Hospital (2016). Discrete UniformPoisson (UP) and Generalized PoissonLindley (GPL) distributions were fitted on LHS and modeling was performed.Results: Mean LOS was 4.95 days. According to the Ztest, 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.