병원선 다운로드

우리는 1 월 1, 2011 및 12 월 31 일에 미국에서 급성 치료 병원 (n = 1987)에 의해 CLABSI 관찰 사례에서 병원 수준에서 제로 팽창 된 포아송 회귀 분석을 실시 했습니다 2011. 이 기간 동안 총 10866 CLABSI 케이스와 9543765 중앙 라인 일이 있었다. 우리의 최종 모델에서, 그들은 “때때로” 또는 “결코” 그들이 원했던 즉시 도움을 받은 것으로 보고 한 환자의 비율은 CLABSIs에 대 한 증가 된 위험과 크게 관련 되었습니다. 다운로드 형식: 벡터 아이콘 (SVG & EPS), PNG, PSD 및 아이콘 글꼴 고객 설문 조사는 미국의 거의 모든 산업 분야에서 제품을 개선 하 고 개발 하는 데 사용 되었습니다. 헬스케어에서는 업계를 안내 하 고 가치 기반 구매에 사용 하기 위한 환자 설문 조사의 채택이 초기 단계에 있습니다. 의료 서비스 제공자 및 시스템 (HCAHPS) 설문 조사에 대 한 병원 소비자 평가는 현재 CMS (메디케어) 센터에서 성능에 대 한 비용 이니셔티브를 위해 사용 하 고 있습니다. 간호사 작업 환경은 모든 HCAHPS 측정 및 간호사 작업 부하에 크게 관련 된 것으로 관찰 되어 퇴원 정보에 대 한 환자의 등급과 만족도에 관한 것 이었다 [14]. 의학 연구소는 또한 간호사가 더 나은 작업 환경에서 또는 더 유리한 환자-간호사 비율을 연습 병원에서 “환자의 만족도 보고서는 더 높은 것을 관찰” [15]. 이 역학 연구는 미국 도시 급성 치료 병원 (n = 1987)의 분석 단위와 함께, 쿠 스에서 발생 하는 CLABSIs의 교차 단면 조사 결과 및 전염병 데이터를 활용 했습니다. 이 모델링에 대 한 관심의 결과는 병원 ICU에의 한 CLABSI 사례를 반영 하 여 카운트 데이터 였습니다. 결과와 함께 독립 변수의이 변량 연관은 0-팽창 푸아송 회귀 모델링을 사용 하 여 평가 되었습니다. 또한, Pearson의 상관 계수는 독립 변수가 고도로 상관관계가 있는지 여부를 판별 하는 데에도 사용 되었습니다.

결과와 크게 연관 된 독립 변수 (p < 0.05)는 다변량 모델링 프로세스에서 고려 되었습니다. 모델링 프로세스는 모든 독립 변수를 포함 한 전체 모델로 시작 되었습니다. 다른 변수의 추가가 가장 크게 연관 된 매개 변수 추정값에서 유의 미 한 변화를 초래 하지 않았기 때문에 하나의 변수만 최종 모델에 남아 있습니다. 변수 선택은 또한 더 낮은 AIC가 더 나은 모델 적합을 나타내는 Akaike 정보 기준 (AIC)을 이용 하 여 평가 되었다. 우리는 데이터에 맞게 제로 팽창 푸아송 (ZIP) 회귀 모델을 활용 하 고 0 CLABSIs (n = 465, 23.4%) 병원의 양을 고려 한다. ZIP 회귀 분석은 SAS v. 9.3 (SAS 인스티튜트, 캐리, 미국)의 배포와 함께 proc genmod를 사용 하 여 오프셋 용어로 서의 중앙 선 일의 자연 로그와 변수 중심 선 일만을 포함 하는 제로 모델, 우리는 병원은 적어도 하나의 관찰 CLABSI 케이스에 대 한 0을가지고 있는지 여부를 예측 하는 것이 가장 변수 였다 가설. 모델링 (표 2)에는 세 가지 연속 변수 (간호사와의 의사 소통, 병원 직원의 반응 및 청결도)가 사용 되었습니다. 종속 변수-병원에 의해 관찰 CLABSI 케이스-각 병원에서 중앙 라인 일 수에 의해 표준화 하 고 오프셋 용어로 사용 (여기서 베타 계수가 추정 하는 동안 하나의 값에 잠겨). 종속변수는 관찰 된 CLABSI 케이스 수 이지만, 모델 출력 매개 변수 추정값은 중심선 일 동안 제어 되는 것으로 이해 될 수 있으며, 종속 변수 해석을 중심선 당 관찰 된 사례로 렌더링 합니다 [28], [29] ].