PL: Przewidywanie ryzyka hospitalizacji na podstawie stanu zdrowia pacjentów chorych na ostrą niewydolność serca | EN: Predicting the risk of hospitalization based on the health status of patients suffering from acute heart failure

abstractPL: Głównym celem niniejszej pracy magisterskiej była detekcja kluczowych zmiennych wpływających na ryzyko wystąpienia hospitalizacji u pacjentów z niewydolnością serca. Choroba wiąże się z wysokim ryzykiem rehospitalizacji oraz niską medianą przeżycia. Tak skumulowane zdarzenia, obciążają finansowo służbę zdrowia. Większość pieniędzy na walkę z chorobą, przeznaczana jest na hospitalizację, która stanowi jedno z najdroższych świadczeń zdrowotnych. W oparciu o dane medyczne 296 pacjentów z Wojskowego Szpitala we Wrocławiu przeprowadziłam analizę przeżycia. Stosując metody regresji, powiązałam 39 zmiennych z wystąpieniem hospitalizacji oraz 19 zmiennych z długością pobytu w szpitalu. Dokładniejsze analizy zidentyfikowały 3 silne predyktory wystąpienia hospitalizacji ('Ilość zawałów mięśnia sercowego', 'USG LVPWD' oraz 'MPV-średnia objętość płytek krwi'). Zmienne wyszły statystycznie istotne na przyjętym poziomie istotności (alpha=0,05) zarówno w jednoczynnikowym, jak i wieloczynnikowym modelu Coxa. Za pomocą metody reklasyfikacji wykazałam, że zmienna 'ilość zawałów mięśnia sercowego' zwiększa szansę przejścia w wyższe ryzyko wystąpienia hospitalizacji o 21,86% i jest kluczową zmienną spośród wymienionych. W oparciu o model przewidujący ryzyko hospitalizacji, służba zdrowia mogłaby zastosować odpowiednią terapię i zapobiec przyszłej liczbie przypadków, poprawiając komfort życia pacjenta oraz zmniejszając związane z tym koszty.

abstractEN: The main goal of this thesis was the detection of key variables influencing the risk of hospitalization in patients with heart failure. This disease is associated with a high possibility of rehospitalization and low median survival. Such cumulative events burden the health service financially. Most of the money to fight this disease is spent on hospitalization, one of the most expensive health services. Based on the medical data of 296 patients from the Military Hospital in Wrocław, I conducted a survival analysis. Using regression methods, I associated 39 variables with the incidence of hospitalization and 19 variables with the length of hospital stay. More detailed analyzes identified 3 strong predictors of hospitalization ('Number of myocardial infarctions', 'LVPWD ultrasound' and 'MPV-mean platelet volume'). The variables were statistically significant at the adopted level of significance (alpha = 0.05) in both the univariate and multivariate Cox models. Using the reclassification method, I showed that the variable 'number of myocardial infarctions' increases the chance of moving into a higher risk of hospitalization by 21.86 % and is the key variable among those mentioned earlier. Based on a model predicting the risk of hospitalization, the health service could apply appropriate therapy and prevent future cases, improving the patient's quality of life and reducing the associated costs

status: finished