این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دانشگاه علوم پزشکی مازندران، جلد ۳۰، شماره ۱۹۱، صفحات ۶۶-۸۰
عنوان فارسی تعیین عوامل موثر بر طول مدت بستری بیماران با استفاده از مدل های رگرسیونی پواسن آمیخته
چکیده فارسی مقاله 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 پواسن-یکنواخت-گسسته و پواسن-لیندلی تعمیم یافته به متغیر مدت زمان بستری در بیمارستان برازش داده شد. یافته‌ها: میانگین مدت بستری 95/4 روز بود. بر اساس نتایج آزمون امتیاز، داده‌ها بیش پراکنده بود (001/0>P). توزیع پواسن لیندلی تعمیم یافته بهترین مدل بود (مقدار آکاییک=61/5994). در این مدل اثر متغیرهای سن، جنس، تاهل، شغل، مرگ، بخش بستری و علت بستری بر طول مدت بستری معنی‌دار بود (05/0>P). بیماران در رده‌های سنی پایین‌تر و بیماران شاغل به طور متوسط مدت بستری طولانی‌تری داشتند. مدت بستری زنان به طور میانگین 40/1 برابر مردان بود. طول مدت بستری به طور متوسط در بخش داخلی 68/2 برابر، جراحی57/1برابر، اورژانس 62/1 برابر و بخش زنان و زایمان 78/0 برابر بیمارانی بود که در بخش انکولوژی بستری شده بودند. بیماری‌های دستگاه عضلانی-اسکلتی با میانگین 51/8 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.
کلیدواژه‌های فارسی مقاله مدت بستری، توزیع آمیخته، پواسن، پواسن-یکنواخت، پواسن-لیندلی
عنوان انگلیسی Factors Affecting Hospital Length of Stay Using Mixed Poisson Regression Models
چکیده انگلیسی مقاله 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.
کلیدواژه‌های انگلیسی مقاله Length of stay, mixed distribution, Poisson, Uniform-Poisson, Generalized Poisson-Lindley
نویسندگان مقاله فرزانه زمانه | Farzane Zamane
MSc in Biostatistics, Student Research Committee, Faculty of Health, Mazandaran University of Medical Sciences, Sari, Iran
کارشناسی ارشد آمار زیستی، مرکز تحقیقات دانشجویی، دانشکده بهداشت، دانشگاه علوم پزشکی مازندران، ساری، ایران

جمشید یزدانی چراتی | Jamshid Yazdani Charati
Associate Professor, Department of Biostatistics, Health Sciences Research Center, Addiction Institute, Mazandaran University of Medical Sciences, Sari, Iran
دانشیار، گروه آمار زیستی، مرکز تحقیقات علوم بهداشتی، پژوهشکده اعتیاد، دانشگاه علوم پزشکی مازندران، ساری، ایران

افشین فیاض موقر | Afshin Fayyaz Movaghar
Assistant Professor, Department of Statistics, Faculty of Mathematical Sciences, University of Mazandaran, Babolsar, Iran
استادیار، گروه آمار، دانشکده ریاضی، دانشگاه مازندران، بابلسر، ایران

بیژن شعبانخانی | Bijan Shabankhani
Assistant Professor, Department of Biostatistics, Health Sciences Research Center, Mazandaran University of Medical Sciences, Sari, Iran
استادیار، گروه آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی مازندران، ساری، ایران

نشانی اینترنتی http://jmums.mazums.ac.ir/browse.php?a_code=A-10-12157-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده آمار زیستی
نوع مقاله منتشر شده پژوهشی-کامل
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات