برآورد مدت اقامت بيماران ايسكمي قلبي و كشف عوامل موثر بر آن با استفاده از داده‌كاوي

Ischemic Heart Patients’ Length of Stay Estimation and Identification of its Influencing Factors Using Data Mining

مقدمه: بيماريهاي ايسكميك قلبي IHD )Diseases Heart Ischemic( از موضوعات هزينهبر و قابل بحث در حيطه بهداشت و درمان كشور ميباشد. علاوه بر اين، بيمارستانها به شدت داراي محدوديت منابع براي مراقبت از بيماران هستند. از اينرو، تعيين مدت اقامت LOS )Stay of Length( بيماران از لحاظ مديريت هزينه بيمارستان، بسيار مهم است. در تحقيق حاضر مدلهايي جهت برآورد LOS بيماران ايسكمي قلبي و عوامل موثر بر آن ارايه شد. روش بررسي: اين پژوهش در مطالعهاي كاربردي، 6524 بيمار بستري ايسكمي قلبي را كه طي شش ماه دوم سال 1392 به 16 مركز درماني شهر تهران مراجعه كرده بودند و اقدامات درماني صورت گرفته در پرونده آنها توسط كدهاي تعرفه خدمات درماني ثبت شده بود، بررسي كرده است. پس از جمعآوري دادهها با استفاده از فرمي طراحي شده و پاكسازي آنها، مدلهاي برآورد LOS با كمك الگوريتمهاي دادهكاوي شبكه عصبي مصنوعي ANN )Networks Neural Artificial(، ماشينهاي بردار پشتيبان SVM )Machines Vector Support(، اكتشاف تعاملي اتوماتيك CHAID )Detection Interaction Automatic squared-Chi(، درختهاي دستهبندي و رگرسيون CART )Trees Regression and Classification( و مدل تركيبي در نرمافزار Clementine ساخته شدند. يافتهها: ميانگين و انحراف معيار LOS بيماران، 608/9 ± 727/7 روز بود. همبستگي خطي با LOS واقعي و خطاي نسبي تمام مدلها به ترتيب بيشتر از 7/ 0 و كمتر از 5/ 0 شد. مدل تركيبي و SVM نيز دقيقترين مدلهاي به دست آمده بود. نتيجهگيري: با توجه به نتايج مدلها، بيماران ايسكمي كه نيازمند توانبخشي، مشاوره، راديوتراپي و سيتياسكن هستند، داراي LOS بيشتري ميباشند. همچنين، نوع بيماري ايسكمي و به ويژه كدهاي درماني كاليفرنيا نقش مهمي در برآورد LOS بيماران دارند.

Introduction: Ischemic Heart Disease (IHD) is one of the costly and controversial topics in the field of healthcare in Iran. Due to limitation in hospital resources for patient care, studying patient’s length of stay (LOS) is very important in hospital management. This study presents suitable models for estimating the LOS of IHD patients and its influencing factors. Methods: In this applied research, LOS of 6524 IHD in-patients admitted to 16 hospitals in Tehran, Iran, between October 2013 and March 2014 and the remedial proceedings provided for them were recorded using treatment services tariff codes. After data collection using a predesigned form and data cleaning, LOS fort models were created using data mining algorithms of artificial neural network (ANN), support vector machines (SVM), chi-squared automatic interaction detection (CHAID), classification and regression trees (CART), and ensemble model in SPSS Clementine software. Results: The average and standard deviation of LOS in this study was 7.727 ± 9.608 days. The linear correlation of models with actual LOS and their relative error were above 0.7 and below 0.5, respectively. The most accurate models were the ensemble model and SVM. Conclusion: According to the proposed models, ischemic patients who required rehabilitation, consultation, radiation therapy, and computerized tomography (CT) scan have longer LOS. Moreover, type of IHD disease and especially California remedial codes are important factors in estimating patients’ LOS.