Analysing Associations with Hospital Length of Stay

Abstract

Denne masteroppgaven analyserer sammenhengen mellom sykehusopphold (LOS) og to forskjellige utfall: dødelighetsrisiko og besøk hos fastlegen. For å oppnå dette ble Cox regresjon brukt til å vurdere sammenhengen mellom LOS og dødelighetsrisiko, mens Poisson regresjon ble brukt til å undersøke sammenhengen mellom LOS og antall besøk hos fastlegen, begge innen 60 dager etter innleggelse.

Innledningsvis ble det gjennomført en simuleringsstudie for å utforske den potensielle tilstedeværelsen av udødelighetsskjevhet i analysen av sammenheng mellom LOS og dødelighet. Udødelighetsskjevhet oppstår når pasienter som dør på sykehus blir ekskludert fordi de ikke får en skikkelig LOS. Ved å teste ulike scenarier var målet å avgjøre om den estimerte relative risikoen (HR) for LOS ble påvirket. Resultatene av simuleringsstudien viste en HR på omtrent 3%, noe som gir verdifull innsikt i omfanget av udødelighetsskjevhet.

Studiepopulasjonen besto av innleggelser i norske helseforetak med akutt hjertesvikt som hoveddiagnose mellom 2010 og 2021. Datasettet inneholdt informasjon om alder ved innleggelse, kjønn, tidspunkt for innleggelse, utdanningsnivå og antall besøk til flere akuttmedisinske tjenester i 60 dager før innleggelse.

Videre ble individuelle Cox modeller med varierende nivåer av strata beregnet. Hovedfokuset var på HR av LOS, som var 4% for modellene uten strata, og 5% når strata ble lagt til. Disse funnene antydet eksistensen av andre faktorer, i tillegg til udødelighetsskjevhet, som bidro til analysen. Det var rimelig å tro at pasientens alvorlighetsgrad virket konfunderende og påvirket både LOS og dødelighetsrisikoen. Dette kan derfor føre til feilaktige konklusjoner om sammenhengen mellom LOS og dødelighet. Selv om alvorlighetsgraden av pasientene er utfordrende å måle kvantitativt, er det en viktig del av analysen.

Til slutt ble Poisson regresjon brukt for å undersøke sammenhengen mellom LOS og besøk hos fastlegen. Insidensraterisikoen (IRR) indikerte at forventet antall besøk økte med 2% for hver ekstra dag på sykehuset.

Ved å benytte disse regresjonsmodellene ga denne oppgaven innsikt i forekomsten av udødelighets- skjevhet og konfundering i en analyse der alvorlighetsgraden til pasientene er ukjent. Funnene kan bidra til en bedre forståelse av sammenhengen mellom LOS, dødelighetsrisiko og besøk hos fastlegen, og belyse de komplekse faktorene i helsevesenet.

This thesis aimed to analyse the association between hospital length of stay (LOS) and two distinct outcomes: mortality risk and visits to the general practitioner (GP). To accomplish this, Cox Regression was used to assess the association between LOS and mortality risk, while Poisson Regression was utilized to examine the association between LOS and number of visits to the GP, both within 60 days following admission.

Initially, a simulation study was conducted to explore the potential presence of immortal time bias in the analysis of association between LOS and mortality. Immortal time bias arises when patients who die at the hospital are excluded as they do not get a proper LOS. By testing various scenarios, the study aimed to determine if the estimated hazard ratio (HR) for LOS was influenced. The results of the simulation study revealed a HR of approximately 3%, providing valuable insight in the magnitude of immortal time bias.

The study population consisted of admissions to Norwegian health trusts with acute heart failure as the primary diagnosis between 2010 and 2021. The data set contained information about age at admission, sex, time of admission, education level and number of visits to multiple emergency medical services within the 60 days before admission.

Furthermore, individual Cox models with varying levels of strata were computed. The primary focus was on the hazard ratio of LOS, which was 4% for the models without strata, and 5% when strata were added. These findings suggested the existence of additional factors, beyond immortal time bias, that contributed to the analysis. It was reasonable to believe that the severity of the patients acted as a confounding factor, impacting both LOS and the mortality risk. Consequently, this could lead to incorrect conclusions regarding the association between LOS and mortality. Although the severity of the patients is challenging to measure quantitatively, it is an essential part of the analysis.

Lastly, Poisson Regression was used to investigate the association between LOS and visits to the GP. The incidence rate ratio (IRR) indicated that the expected number of visits increased by 2% for each additional day in the hospital.

By using these regression models, this thesis supplied insight into the occurrence of immortal time bias and confounding in an analysis where the severity of the patients is unknown. The findings may contribute to a better understanding of the relationship between LOS, mortality risk and visits to the GP, shedding light on the complex factors in the health care system.