COVID-19 Hastalarının Hastanede Yatılı Olarak Tedavi Olma Süresine Etki Edebilecek Risk Faktörlerinin Cox-Regresyon Analizi ile İncelenmesi

Öz

Hastanede yatılı olarak tedavi gören Covid-19 hastalarının hastanede yatılı tedavi sürelerinin tahmin edilmesi, bu hastalıkla mücadelede hastane yatak kapasitelerinin belirlenmesi ve planlanması açısından oldukça önemlidir. Küresel araştırmalar hastaların hastanede yatılı tedavi sürelerinin hastanın yaşı, cinsiyeti gibi demografik özelliklerinin yanı sıra, yaşadığı ülkeye göre de farklılıklar olduğunu göstermiştir. Bu çalışma ile, Kırıkkale Üniversitesi Tıp Fakültesi Hastanesinde COVID-19 teşhisi konulan hastaların, hastanede tedavi gördüğü süre ile ilişkili faktörlerin belirlenmesi ve hayatta kalma sürelerine etki edebilecek risk faktörlerinin belirlenmesi için yaşam analizlerinden cox regresyon modeli ve ki-kare testleri kullanılmıştır. Hastanede yatılı olarak tedavi gören erkeklerin, kadınlara göre hastanede daha uzun yatılı tedavi süresine sahip olduğu belirlendi. Artan yaşın, hastanede daha uzun yatılı tedavi süresiyle ilişkili olduğu gözlemlendi. Çalışmada hastanede tedavi gören hastaların hayatta kalma sürelerine yaş, cinsiyet ve sağlık güvence siteminin etkili olduğu test edildi. İlgili faktörlerin göz önüne alınarak COVID-19 hastalığı ile ilgili mücadelede bir kriz ortamının oluşmaması için hastane yatak kapasitelerinin belirlenmesi ve planlanmasının da önemli olduğu düşünülmektedir.

Anahtar Kelimeler

• COVİD-19
• Cox regresyon
• Hastanede yatılı tedavi süresi
• Ölüm oranı
• Yaşam analizi

A study of Factors Affecting the length of Hospital Stay of COVID-19 Patients By Cox-Regression Analysis

Öz

Estimating the length of stay in the hospital for Covid-19 patients treated as an inpatient is very important in terms of determining and planning hospital bed capacities in the fight against this disease. Global studies have shown that the length of hospital stay of patients differs according to demographic characteristics such as the age and gender of the patient, as well as the country they live in. In this study, cox regression model and chi-square tests from survival analyzes were used to determine the factors related to the duration of hospitalization of patients diagnosed with COVID-19 in Kırıkkale University Faculty of Medicine and to determine the risk factors that may affect their survival times. It was determined that men who were treated as inpatients in the hospital had a longer hospital stay than women. It was observed that increasing age was associated with longer hospital stay. In the study, it was tested that age, gender and health insurance system were effective on the survival time of the patients treated in the hospital. Considering the relevant factors, the fight against the COVID-19 disease is thought to be important in determining and planning hospital bed capacities so that a crisis environment does not occur.

Kaynakça

1. Boyacı, İ. (2020). Türkiye sağlık sisteminin dönüşümü (2003-13): Covid-19 pandemisi ile mücadele sürecinde sağlık reformlarına yeniden bakış.
2. Boydak, A. B. (2020). Türkiye’de uygulanılan genel sağlık sigortasının salgın hastalıklar karşısında önemi. Türkiye Barolar Birliği Dergisi, 2020(150), 179-196.
3. Koca, F. (2020). Sağlık Bakanlığı.T.S. Koronavirüse İlişkin Son Durumu Değerlendirdi. https://www.saglik.gov.tr/TR,63853, (Erişim tarihi: 26 Aralık 2020).
4. Thai, P. Q., Son, D. T., Van, H. T. H., Minh, L. N., Hung, L. X., Van Toan, N., ... & Khoa, N. T. (2020). Factors associated with the duration of hospitalisation among COVID-19 patients in Vietnam: A survival analysis. Epidemiology & Infection, 148.
5. Sousa, G. J. B., Garces, T. S., Cestari, V. R. F., Florêncio, R. S., Moreira, T. M. M., & Pereira, M. L. D. (2020). Mortality and survival of COVID-19. Epidemiology & Infection, 148.
6. Richter, A., & Wilson, T. C. (2020). Covid-19: implications for insurer risk management and the insurability of pandemic risk. The Geneva risk and insurance review, 45(2), 171-199.
7. Atukalp, M. E. (2021) Küresel Kovid-19 Salgınının Türkiye Sağlık Sigortası Sektörüne Etkisi. The Journal of International Scientific Researches, 6(3), 316-322.
8. Çetin, Ş., Ulgen, A., Şivgin, H., & Wentian, L. İ. (2021). A study on factors impacting length of hospital stay of COVID-19 inpatients. Journal of Contemporary Medicine, 11(3), 396-404.

9. Hong, Y., Wu, X., Qu, J., Gao, Y., Chen, H., & Zhang, Z. (2020). Clinical characteristics of coronavirus disease 2019 and development of a prediction model for prolonged hospital length of stay. Annals of translational medicine, 8(7).
10. Özdemir, O. (2012). Sağkalım Analizi Yöntemleri–1. İyi Klinik Uygulamalar Dergisi, 9, 21-33.
11. Cox, D. R. (1972). Regression models and life‐tables. Journal of the Royal Statistical Society: Series B (Methodological), 34(2), 187-202.
12. Özcan, B., & Karasoy, D. (2019). Yaşam Çözümlemesinde Buckley-James Modeli. Alphanumeric Journal, 7(2), 485-496.
13. Therneau, T.M., & Grambsch, P.M. (2000). Modeling Survival Data: Extending the Cox Model, Springer-Verlag, New York.
14. Sertkaya, D., Nihal, A. T. A., & Sözer, M. T. (2005). Yaşam çözümlemesinde zamana bağlı açıklayıcı değişkenli Cox regresyon modeli. Ankara Üniversitesi Tıp Fakültesi Mecmuası, 58(4), 153-158.
15. Schoenfeld, D. (1982). Partial residuals for the proportional hazards regression model. Biometrika, 69(1), 239-241.
16. Terzi, Y., Cengiz, M. A., & Bek, Y. (2005). Cox regresyon modelinde oransal hazard varsayımının artıklarla incelenmesi ve akciğer kanseri hastaları üzerinde uygulanması. Türkiye Klinikleri Tıp Bilimleri Dergisi, 25(6), 770-775.
17. Kleinbaum, D.G., “Survival Analysis: A Self-Learning Text”, Springer, New York, 1996.
18. Yilmaz, A. E., Karasoy, D., & Eroğlu, A. (2013). Yaşam çözümlemesinde Cox orantılı tehlikeler ve orantılı odds modelleri. İstatistikçiler Dergisi: İstatistik ve Aktüerya, 6(2), 70-78.
19. Guan, W. J., Ni, Z. Y., Hu, Y., Liang, W. H., Ou, C. Q., He, J. X., ... & Zhong, N. S. (2020). Clinical characteristics of coronavirus disease 2019 in China. New England journal of medicine, 382(18), 1708-1720.
20. Wang, D., Hu, B., Hu, C., Zhu, F., Liu, X., Zhang, J., ... & Peng, Z. (2020). Clinical characteristics of 138 hospitalized patients with 2019 novel coronavirus–infected pneumonia in Wuhan, China. Jama, 323(11), 1061-1069.
21. Wu, C., Chen, X., Cai, Y., Zhou, X., Xu, S., Huang, H., ... & Song, Y. (2020). Risk factors associated with acute respiratory distress syndrome and death in patients with coronavirus disease 2019 pneumonia in Wuhan, China. JAMA internal medicine, 180(7), 934-943.