Author(s): Pereira, Daniel Filipe Viriato
Date: 2015
Persistent ID: http://hdl.handle.net/10451/20811
Origin: Repositório da Universidade de Lisboa
Subject(s): Insuficiência cardíaca; Hospitalizações; Disease mapping; Análise espaço-temporal; Trabalhos de projecto de mestrado - 2015; Departamento de Estatística e Investigação Operacional
Trabalho de projecto de mestrado, Bioestatística, Universidade de Lisboa, Faculdade de Ciências, 2015
Introduction: Heart failure (HF) is a major reason for hospital admissions (HA), with a high socio-economic impact. Therefore it is of utmost importance to understand how HA due to HF are evolving. Objective: This study aimed to conduct a special-temporal analysis of the annual number of HA due to HF in Portugal. Methods: Hospital admissions due to HF, between 2003 and 2012, were extracted from National Diagnosis-related group database. Demographic and socioeconomic data were collected per district, from Statistics Portugal. Exploratory analysis was conducted in order to characterize the spatial-temporal characteristics of Portuguese population in terms of hospital admissions, demographic and socio-economic factors. Generalized linear mixed-effects models (GLMM) were used to estimate the annual number of HA. Spatial heterogeneity was corrected by considering region-related independent variables (IV): proportion of population aged ≥65, average monthly income and hospital access. Random effects were considered for all IV. Results: The fixed effect estimates indicate that, in average, the number of HA due to HF increase by 7% per year. An increase of 1% in the proportion of population aged ≥65 accounts for an increase of 8% in HA. The increase of 100€ in the monthly income represents an average decrease of 5.8% in HA. By its turn, 1 more hospital per 100,000 inhabitants accounts for an increase of 2% in HA. These changes are conditional to all the other IV remaining unchanged. Estimated random effects accounted for spatial heterogeneity by introducing corrections around the fixed effects. The fitted model was compared to a GLMM without random effects for the region-related IV and a fixed effects model. Mean absolute deviations (MAD), used to assess goodness of fit, were 34.7, 56.5 and 131, respectively. Graphical representation also demonstrated that our model fitted better. Predictive ability of the model was assessed by MAD of forecast for 2012 based on 2003-2011 data (MAD=80.4). Conclusions: The results of this study gave us some valuable information about how external factors influence evolution of HA in Portugal. Although this approach produced interesting results, the predictive ability could be further improved by the inclusion of other region-related variables.
Introdução: A insuficiência cardíaca (IC) é uma das principais causas de hospitalização, com um elevado impacto socio-económico. Desta forma, é importante perceber de que forma está a evoluir o número de hospitalizações por IC. Objetivo: Este estudo teve como objetivo proceder à análise espaço-temporal do número de hospitalizações por IC em Portugal. Métodos: Os dados de internamentos por IC, entre 2003 e 2012, foram extraídos da base de dados nacional de Grupos de Diagnósticos Homogéneos. Os dados demográficos e socioeconómicos foram retirados do Instituto Nacional de Estatística. Procedeu-se à exploratória dos dados a fim de caracterizar as características espaço-temporais da população Português em termos de hospitalizações, fatores demográficos e socioeconómicos. Foram utilizados modelos lineares generalizados mistos (GLMM) para estimar o número anual de internamentos. A heterogeneidade espacial foi corrigida considerando variáveis independentes (VI) relacionadas com a região: proporção de população com idade ≥65, rendimento médio mensal e acesso aos cuidados hospitalares. Foram considerados efeitos aleatórios para todas estas variáveis. Resultados: As estimativas dos efeitos fixos indicam que, em média, o número de internamentos por IC aumenta 7% por ano. Um aumento de 1% na proporção da população com idade ≥65 contribui para um aumento médio de 8% no número de internamentos. O aumento de 100 € na renda mensal representa uma diminuição média de 5,8% no número de hospitalizações. Por sua vez, mais um hospital por 100.000 habitantes representa um aumento de 2% no número de internamentos. Estas alterações estão condicionadas a que todas as outras VI permaneçam inalteradas. Os efeitos aleatórios estimados contribuem para a heterogeneidade espacial através da introdução de correções em torno dos efeitos fixos. O modelo ajustado foi comparado a um GLMM sem efeitos aleatórios para as VI relacionadas com a região e um modelo de efeitos fixos. Os valores do desvio absoluto médio (DAM) utilizado para avaliar qualidade de ajuste foram 34,7, 56,5 e 131, respetivamente. A representação gráfica também demonstrou que o nosso modelo apresenta o melhor ajuste. A capacidade preditiva do modelo foi avaliada através do DAM da previsão para 2012 com base em dados de 2003-2011 (DAM = 80.4). Conclusões: Este trabalho deu origem a uma série de informações relevantes acerca da forma como os fatores externos influenciam a evolução dos internamentos por IC em Portugal. Apesar de esta abordagem ter produzido resultados satisfatórios, a capacidade preditiva dos modelos pode ser melhorada através da inclusão de outras variáveis relacionadas com a região.
