fa کاربرد مدل رگرسیون پواسن با صفرهای انباشته چند سطحی در شناسایی عوامل مرتبط با تعداد روزهای اضافه بستری بیماران تحت جراحی‌های ناحیه شکم در شهر شیراز نظام سلامت Health System تحقيقي Original Articles <p dir="RTL" style="font-style:normal;"><span style="font-size:11px;"><span style="font-weight:normal;"><span style="color:windowtext;"><span style="font-family:tahoma,sans-serif;">زمینه و هدف : طولانی شدن اقامت بیماران در بیمارستان منجر به تحمیل هزینه‌های قابل توجهی بر فرد و سیستم درمانی جامعه می‌گردد. این مطالعه به منظور تعیین کاربرد مدل رگرسیون پواسن با صفرهای انباشته چند سطحی در شناسایی عوامل مرتبط با تعداد روزهای اضافه بستری بیماران تحت جراحی‌های ناحیه شکم انجام شد.</span></span></span></span></p> <p dir="RTL" style="font-style:normal;"><span style="font-size:11px;"><span style="font-weight:normal;"><span style="color:windowtext;"><span style="font-family:tahoma,sans-serif;">روش بررسی : در این مطالعه توصیفی &ndash; تحلیلی 485 پرونده بیماران بستری از پنج بیمارستان دولتی و خصوصی شهر شیراز به روش نمونه‌گیری در دسترس ارزیابی شدند. از مدل رگرسیون پواسن با صفرهای انباشته چند سطحی به منظور بررسی عوامل خطر مرتبط با تعداد روزهای اضافی بستری استفاده شد. به‌منظور برآورد پارامترهای مدل، روش ماکزیمم درستنمایی و برای ارزیابی مدل، شاخص‌های نیکویی برازش </span></span></span><span dir="LTR" style="font-weight:normal;"><span style="color:windowtext;"><span style="font-family:tahoma,sans-serif;">AIC</span></span></span> <span dir="LTR" style="font-weight:normal;"><span style="color:windowtext;"><span style="font-family:tahoma,sans-serif;">(Akaike Information Criterion)</span></span></span> <span style="font-weight:normal;"><span style="color:windowtext;"><span style="font-family:tahoma,sans-serif;">و </span></span></span><span dir="LTR" style="font-weight:normal;"><span style="color:windowtext;"><span style="font-family:tahoma,sans-serif;">BIC</span></span></span> <span dir="LTR" style="font-weight:normal;"><span style="color:windowtext;"><span style="font-family:tahoma,sans-serif;">(Bayes Information Criterion)</span></span></span> <span style="font-weight:normal;"><span style="color:windowtext;"><span style="font-family:tahoma,sans-serif;">به‌کار برده شد.</span></span></span></span></p> <p dir="RTL" style="font-style:normal;"><span style="font-size:11px;"><span style="font-weight:normal;"><span style="color:windowtext;"><span style="font-family:tahoma,sans-serif;">یافته‌ها : </span></span></span><span dir="LTR" style="font-weight:normal;"><span style="color:windowtext;"><span style="font-family:tahoma,sans-serif;">81.2%</span></span></span> <span style="font-weight:normal;"><span style="color:windowtext;"><span style="font-family:tahoma,sans-serif;">از بیماران تعداد روز اضافه بستری نداشتند. نتایج مدل نشان داد متغیرهای سن، تنفس، سرطان، تزریق خون، داشتن تب بالا، مصرف سیگار و مواد مخدر اثر معنی‌داری بر تعداد روزهای اضافه بستری نداشتند. در مقابل متغیرهای جنسیت زن، داشتن بیماری کلیوی، سابقه جراحی و ابتلا به عارضه ایلئوس سبب افزایش تعداد روزهای اضافه بستری بیماران گردید (</span></span></span><span dir="LTR" style="font-weight:normal;"><span style="color:windowtext;"><span style="font-family:tahoma,sans-serif;">P<0.05</span></span></span><span style="font-weight:normal;"><span style="color:windowtext;"><span style="font-family:tahoma,sans-serif;">). همچنین جراحی لاپاراسکوپی کیسه صفرا و بیرون آوردن غده پروستات شانس اضافه بستری را به ترتیب </span></span></span><span dir="LTR" style="font-weight:normal;"><span style="color:windowtext;"><span style="font-family:tahoma,sans-serif;">4.64</span></span></span> <span style="font-weight:normal;"><span style="color:windowtext;"><span style="font-family:tahoma,sans-serif;">برابر و 9 برابر افزایش داد (</span></span></span><span dir="LTR" style="font-weight:normal;"><span style="color:windowtext;"><span style="font-family:tahoma,sans-serif;">P<0.05</span></span></span><span style="font-weight:normal;"><span style="color:windowtext;"><span style="font-family:tahoma,sans-serif;">).</span></span></span></span></p> <p dir="RTL" style="font-style:normal;"><span style="font-size:11px;"><span style="font-weight:normal;"><span style="color:windowtext;"><span style="font-family:tahoma,sans-serif;">نتیجه‌گیری : جنسیت زن، داشتن بیماری کلیوی، سابقه جراحی، انجام عمل جراحی لاپاراسکوپی کیسه صفرا، انجام عمل جراحی بیرون آوردن غده پروستات و ابتلا به عارضه ایلئوس به عنوان متغیرهای افزایش دهنده تعداد روزهای اضافه بستری بیماران بودند.</span></span></span></span></p> <strong>Background and Objective: </strong>Prolonged hospitalization lead to considerable financial burden for patients as well as health care system. This study aimed to identifying important factors resulting in excess hospitalization days in patients undergoing abdominal surgeries using the multilevel zero-inflated Poisson regression model.<br> <strong>Methods: </strong>In this descriptive - analytic study, 485 patients from five teaching and private hospitals in Shiraz (southern Iran) were selected based on convince sampling method. Multilevel zero-inflated Poisson regression model was used to determine the risk factors of excess hospitalization day. Maximum likelihood method was used to estimate parameters of the model. Moreover, Akaike Information Criterion (AIC) and Bayes Information Criterion (BIC) indices were applied to assess the goodness of fit of the model.<br> <strong>Results: </strong>The primary analysis of data showed that 81.2% of the patients did not undergo excess hospitalization days. Based on findings, age, respiration rate, blood infusion, fever, smoking and drug abuse did not affect excess hospitalization days. In contrast, gender, renal diseases, operation history, laparoscopic gallbladder removal, prostate surgery and ileus significantly led to excess hospitalization days (P<0.05). Laparoscopic gallbladder removal, prostate surgery increased the chance of excess of hospitalization days to 4.64 and 9 times, respectively (P<0.05).<br> <strong>Conclusion: </strong>Geder, renal diseases, operation history, laparoscopic gallbladder removal, prostate surgery and ileus significantly led to excess hospitalization days. مدل رگرسیون پواسن چند سطحی , جراحی ناحیه شکم , اضافه بستری Multilevel Poisson regression, Abdominal surgery, Excess hospitalization day 93 101 http://goums.ac.ir/journal/browse.php?a_code=A-10-1-1041&slc_lang=fa&sid=1 Mina Vojoodi Sardroodi مینا وجودی سردرودی 5900319475328460049229 5900319475328460049229 No Master of Science in Biostatistics, Department of Biostatistics, Medical Faculty, Shiraz University of Medical Sciences, Shiraz, Iran کارشناسی ارشد گروه آمار زیستی، دانشکده پزشکی، دانشگاه علوم پزشکی شیراز، شیراز، ایران Zahra Bagheri زهرا باقری zbagheri@sums.ac.ir 5900319475328460049230 5900319475328460049230 Yes Associate Professor, Department of Biostatistics, Medical Faculty, Shiraz University of Medical Sciences, Shiraz, Iran. zbagheri@sums.ac.ir دانشیار گروه آمار زیستی، دانشکده پزشکی، دانشگاه علوم پزشکی شیراز، شیراز، ایران Leila Ghahramani لیلا قهرمانی 5900319475328460049231 5900319475328460049231 No Associate Professor, Department of Surgery, Medical Faculty, Shiraz University of Medical Sciences, Shiraz, Iran دانشیار گروه جراحی، دانشکده پزشکی، دانشگاه علوم پزشکی شیراز، شیراز، ایران Peyman Jafari پیمان جعفری 5900319475328460049232 5900319475328460049232 No Professor, Department of Biostatistics, Medical Faculty, Shiraz University of Medical Sciences, Shiraz, Iran استاد گروه آمار زیستی، دانشکده پزشکی، دانشگاه علوم پزشکی شیراز، شیراز، ایران