عوامل مرتبط با طول مدت اقامت بر اساس دادههاي پذيرش در بيمارستانهاي قايم (ع) و امام رضا (ع) مشهد

Factors Associated with Length of Stay Based on Admission Data in Emam-Reza and Ghaem Hospitals of Mashhad

مقدمه: بيمارستانها به شدت داراي محدوديت تخت و منابع براي مراقبت بيماران ميباشند. در دسترس بودن منابع بيمارستاني با عوامل محدودي از مرتبط ميباشد. شناسايي عوامل مرتبط با اين شاخص جهت بهرهبرداري بهينه از منابع موجود، LOS (Length of Stay) جمله طول مدت اقامت يا بر اساس دادههاي پذيرش انجام شد. LOS ميتواند مفيد باشد. مطالعه حاضر با هدف شناسايي عوامل مرتبط با روش بررسي: اين مطالعه از نوع گذشتهنگر توصيفي است. نمونههاي مورد مطالعه از 449678 پرونده كامپيوتري بيماران (سرپايي و بستري) در بيمارستانهاي امام رضا و قايم مشهد و در بازه زماني ابتداي سال 1388 تا انتهاي سال 1392 خورشيدي استخراج گرديد. پس از پاكسازي دادهها، و همچنين تحليل چند متغيره با استفاده از (One-Way ANOVA) زوجي و آناليز واريانس يك طرفه t تحليل تك متغيره توسط تستهاي آماري نسخه 19 انجام شد. SPSS مدل رگرسيون خطي چندگانه در نرم افزار 6 روز بوده است. همچنين بين فاكتورهاي نوع و دليل مراجعه، / 5 و 5 / يافتهها: ميانگين مدت اقامت در بيمارستانهاي امام رضا و قايم به ترتيب 5 ارتباط معنيدار آماري مشاهده شد. ،LOS روز بستري در ماه، ماه بستري، سن، نوع بيمه، بخش بستري، نوع محل زندگي، وضعيت تاهل و شغل با ارتباط معنيداري نداشتند. LOS متغيرهاي نحوه پرداخت، روز پذيرش در هفته، جنسيت، داشتن همراه و پزشك معالج با نتيجهگيري: طول مدت اقامت تحت تاثير عوامل دموگرافيك و باليني مختلفي ميباشد. لذا ميتوان با اعمال تكنيكهاي دادهكاوي بر روي را پيش بيني نمود. اين كار ميتواند براي برنامه ريزي و تخصيص بهينه منابع بيمارستاني ابزار مناسبي باشد. LOS ، دادههاي پذيرش بيمارستاني واژههاي كليدي: طول مدت اقامت؛ داده كاوي؛ بيمارستان ها

Abstract Introduction: Hospital beds and resources are extremely limited for patients. A few factors such as Length of Stay or LOS affected Availability of Hospital Resources. Identifying factors associated with this benchmark index can be valuable in planning to optimize the utilization of the existing resources. Aiming to identify factors associated with length of stay based on admission data, the present study has been conducted. Methods: This survey is a descriptive-retrospective study. We extracted 449,678 patient data from computerize patient records in Emam Reza and Ghaem Hospital in Mashhad, Iran. After data cleaning and preprocessing, univariate analysis was conducted using t-test and one-way ANOVA test. Multiple linear regression was also used to determine the factors associated with LOS. All analyses were conducted with SPSS statistical software version 19. Results: The mean LOS in Emam-Reza and Ghaem hospital were 5.5 and 6.5 days. Age, ward, admission reason, referral status, admission month and day on month, insurance type, residence type, marital status and patient job were associated with length of stay. No significant differences in LOS were found by payment type, admission day on week, gender, doctor and patient Companionship. Conclusion: LOS can be predicted by socio-demographic and clinical factors using data mining models on hospital admission data. The procedure can be a useful tool for planning and optimal resource allocation in hospitals. Keywords: Length of Stay; Data Mining; Hospitals