Pacient-specifické modely pro rozhodování o léčbě

Abstract

V případě zkvalitňování zdravotnické péče se dostáváme i ke klinickému rozhodování o péči. U mnoha diagnóz se lékaři často v ambulanci rozhodují, zda léčit pacienta ambulantně nebo hospitalizací. Léčba hospitalizací znamená vyšší náklady pro zdravotnické zařízení a celý systém zdravotnictví, v každém případě je nutno zohlednit prospěch nemocného. Dalšími přidruženými náklady je také delší pracovní neschopnost pacienta po případné hospitalizaci. Tyto náklady jsou však u konkrétních diagnóz těžko spočítatelné, protože jsou velmi individuální. V diplomové práci jsou uvedeny rozdíly mezi prediktivními modely populačně-širokými a pacient-specifickými. Pacient-specifické modely mají výhodu použití. Využívají se u konkrétního případu pacienta a nejsou zprůměrované, jako modely populačně široké. U vybrané diagnózy pneumonie byly určeny důležité proměnné při rozhodování o léčbě ve zdravotnických zařízeních a dále byly analyzované získané výsledky. Vybraný vzorek respondentů byl získán v Klaudiánově nemocnici v Mladé Boleslavi. Pro sestavení klasifikačních a regresních stromů byly využity proměnné, které zahrnovaly osobní i rodinnou anamnézu, přidružené choroby a konkrétní příznaky při vstupu do ambulance. V práci byly dále zanalyzovány výsledky zabývající se počtem vykázaných bodů pojišťovně a jejich závislost na typu léčby a počtu dnů hospitalizace. Grafické znázornění prediktivních modelů ve formě klasifikačních a regresních stromů je vhodná volba pro praktické využití v ambulanci při podpoře rozhodovacího procesu Tyto výsledky jsou prvotní podporou pro vznik prediktivních pacient-specifických modelů na větším vzorku pacientů a tím zkvalitnění predikce klinických výsledků.

In regards of improving the medical care we are in close connection with decision making about necessary care. In many hospital cases the doctors need to decide if to take care of the problem immediately or to hospitalize the patient. Admitting the patient means higher costs for the hospital but we cannot forget about patient?s health either. In additional to this fact are the costs of the longer sick leave. These costs cannot be generalized as they differ in every case. In my Thesis you see two different predicting modules: Population-wide and Patient-Specific. Patient Specific one is better in the way of usage. We can use it in particular case and it is not generalized as the second module. In the selected diagnose of pneumonia I have set important factors in decision making about urgent cases and analyzed collected results. The responding group comes from Kladiánova Nemocnice in Mladá Boleslav. The source for my findings and creation of classification and regression trees were based on personal and family anamnesis, additional symptoms and current symptom at the admission. Furthermore, in the Thesis is work with results of the totals sent to the insurance company and what is the connection to way of treatment and number of day spent in hospital. The graphs of both models classification and regression trees are useful for hospital usage. My findings support creation of predicting modules for patient specific way of treatment in high numbers of patients and therefore better prediction of results.