پيش بيني درصد موارد مرگ و مير بيماران بستري در بخش مراقبت هاي ويژه

Prediction of mortality rate in patients admitted to intensive care units

زمينه و هدف:ابزارهايي نظير MPM) Mortality Probability Map)، به شكل وسيع جهت پيش بيني ميزان مرگ و مير بيماراني كه با تشخيص هاي مختلف در بخش مراقبتهاي ويژه بستري شده اند، استفاده مي شود. اين شاخصها به عنوان يك ابزار استاندارد همچنين براي بررسي مدت اقامت بيماران در بخش، ارزيابي كيفيت مراقبت­هاي ارائه شده و طبقه ­بندي شدت بيماري­ها در مطالعات در نظر گرفته مي­شوند. هدف از اين مطالعه بررسي پيش­بيني درصد موارد مرگ و مير بيماران بستري با تكنيك مدل پيش بيني مرگ در بخش مراقبت­هاي ويژه است. روش ها:در اين مطالعه مقطعي، تمامي بيماران بستري در بخش­هاي مراقبت هاي ويژه دو مركز آموزشي درماني شهيد رجائي و بوعلي شهر قزوين طي 6 ماه از سال 1389 به صورت سرشماري مورد مطالعه قرار گرفتند. بعد از اعمال معيارهاي خروج، اطلاعات 240 بيمار با استفاده از پرسشنامه و ابزار مدل پيش بيني مرگ جمع ­آوري شد. تجزيه و تحليل آماري به كمك SPSS نسخه 13 و با استفاده از شاخص ­هاي توصيفي(ميانگين و انحراف معيار) و آمار استنباطي نظير آزمون تي مستقل و رگرسيون لجستيك استفاده شد. سطح معني­داري كليه آزمون­ها كمتر يا مساوي 0/05 در نظر گرفته شد. يافته ها: 3/71 درصد بيماران مرد و 28/7 درصد زن بودند. ميانگين مرگ پيش­بيني شده با استفاده از ابزار MPM 39/62 ±39/37 درصد(حداقل 1/37 و حداكثر 99/73)و مرگ مشاهده شده 33/7 درصد بود. ميانگين نمره MPM در بيماراني كه زنده ماندند 36/91 ± 34/91 و در بيماران فوت شده 48/85±42/55 بود(0/013=p). نتايج تعديل شده مدل رگرسيون لجستيك نشان داد با افزايش نمره MPM شانس مرگ 11درصد افزايش يافته بود. نتيجه گيري: نتايج مطالعه نشان داد كه مدل پيش بيني مرگ مي­تواند به شكل بسيار دقيق ميزان مرگ و مير بيماران بستري در بخش مراقبت­هاي ويژه را پيش ­بيني كند. همچنين استفاده از اين شاخص و ساير ابزارهاي طبقه­ بندي شدت بيماري­ها در پيش ­بيني روند درمان بيماران بستري در بخش مراقبت ويژه مفيد خواهد بود، اگرچه مطالعات بيشتري در اين زمينه بايد صورت گيرد.

Background:Tools such as MPM (Mortality Probability Map) are used extensively for mortality in patients who, with different diagnosis, are admitted to the intensive care units. These indexes are also considered as a standard tool for studying the duration of hospitalization,, quality evaluation of care provided and classification of illness severity. The purpose of this study was to determine predicted mortality rate in patients admitted to intensive care unit with MPM technique. Methods:In this cross sectional study all of ICU patients in two health care facilities of Shahid Rajaee and Bo-Ali in Qazvin were studied by census method during six months of 2010. After applying exclusion criteria, data from 240 patients was gathered by questionnaire and MPM. Statistical analysis was performed using SPSS13, descriptive and analytical statistics (mean ±SD), t-test and regression logistic. All levels of testing means were considered less or equal to 0.05. Results:71.3 % of patients were male and 28.7% of them were female. Predicted mortality mean using the MPM tools was 39.62 ± 39.37 percent (minimum 1.37 and maximum 99.73) and death was 33.7 percent. MPM score in survived patients was 34.91 ± 36.91 and in dead patients was 48.85 ± 42.55 (p = 0/013). Modified results of regression logistic model showed that by increasing MPM score death chance increased by 11%. Conclusions:The result of the present research showed that the MPM can be very accurate in prediction of hospitalized patients' mortality in the intensive care unit. Hence, using these indicators and other disease severity classification instruments will be useful in predicting the ICU patients’ course of treatment nevertheless, further studies in this field should be done.