Analysing multimorbidity using registry data

Abstract

I løpet av de neste tiårne er det forventet at den vestlige verden får en aldrende befolkning, som vil føre til flere tilfeller av kompleks multimorbiditet. Siden sykehusene hovedsaklig er organisert rundt spesialiteter, vil dette ha en signifikant effekt på kompleksiteten av behandlingen av pasienter, samt den totale kapasiteten av systemet. Denne masteroppgaven undersøker risikoen for å bli diagnostisert med en ny sykdom assosiert med å ha spesifikke underliggende sykdommer, samt hvordan forskjellige kombinasjoner av kroniske sykdommer er assosiert med økt helsetjenestebruk. Datamateriale som brukes i dette prosjektet består av pseudoanonymisert informasjon om alle første sykehusinnleggelser i Norge assosiert med spesifikke kroniske diagnoser i løpet av perioden 2008-2021 fra Norges Pasientregister (NPR), i tillegg til dødsdato for hver pasient fra Dødsårsaksregisteret (DÅR), antall dager med besøk hos fastlege og legevakt fra Kontroll og utbetaling av helserefusjoner (KUHR), og antall dager med akuttbesøk og liggedager på sykehus fra NPR. Vi implementerte log-lineære Poisson-regresjonsmodeller, med offset definert som antall dager eksponert, inkludert kovariater kjønn, og alder ved bruk av cubic-splines. Funnene våre stemmer overens med eksisterende kunnskap om feltet, noe som styrker vår tro på modellen. Basert på analysene våre så har vi identifisert flere mønstre som kan indikere signifikant potensiale for videre forskning.

In the next decades, the western world is anticipating an aging population, giving rise to a higher prevalence of complex multimorbidity. Since hospitals are primarily organized around specialized disciplines, this will have a significant effect on the complexity of care of patients, and the overall capacity of the system. This master thesis aims to investigate the risk of being diagnosed with a new disease associated with having specific underlying diseases, as well as how various combinations of chronic diagnoses are associated with increased health service utilization. The data material used in this project contains pseudoanonymized information of all initial hospital admissions in Norway associated with specific chronic diagnoses during the period 2008-2021 from the Norwegian Patient Registry (NPR), in addition to date of death of each patient from the Norwegian Cause of Death Registry (DÅR), the number of days of utilization of general practitioner and out-of-hour general practitioner from Control and Payment of Health Reimbursement register (KUHR), and days of acute visits to specialized health services and days of hospital stay from NPR. We implemented log-linear Poisson regression models, with offset defined as number of days of exposure, including covariates sex of patient, and age using cubic-splines. Our findings coincides with existing knowledge in the field, which gives validation to our model. Based on our analysis, we have identified several patterns which may indicate significant potential for further research.