ตัวแบบทำนายวันนอนและการกลับมารักษาซ้ำผู้ป่วยสิทธิข้าราชการ
Files
Publisher
Issued Date
2020
Issued Date (B.E.)
2563
Available Date
Copyright Date
Resource Type
Series
Edition
Language
tha
File Type
application/pdf
No. of Pages/File Size
69 แผ่น
ISBN
ISSN
eISSN
Other identifier(s)
b212266
Identifier(s)
Access Rights
Access Status
Rights
ผลงานนี้เผยแพร่ภายใต้ สัญญาอนุญาตครีเอทีฟคอมมอนส์แบบ แสดงที่มา-ไม่ใช้เพื่อการค้า-ไม่ดัดแปลง 4.0 (CC BY-NC-ND 4.0)
Rights Holder(s)
Physical Location
สถาบันบัณฑิตพัฒนบริหารศาสตร์. สำนักบรรณสารการพัฒนา
Bibliographic Citation
Citation
ดวงกมล บัวจำรัส (2020). ตัวแบบทำนายวันนอนและการกลับมารักษาซ้ำผู้ป่วยสิทธิข้าราชการ. Retrieved from: https://repository.nida.ac.th/handle/662723737/5533.
Title
ตัวแบบทำนายวันนอนและการกลับมารักษาซ้ำผู้ป่วยสิทธิข้าราชการ
Alternative Title(s)
Models predicting length of stay and readmission among government officials
Author(s)
Advisor(s)
Editor(s)
item.page.dc.contrubutor.advisor
Advisor's email
Contributor(s)
Contributor(s)
Abstract
การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อศึกษาตัวแบบทำนายวันนอนและการกลับมารักษาซ้ำของผู้ป่วยสิทธิข้าราชการ โดยใช้ตัวแบบถดถอยทวินามลบและตัวแบบถดถอยโลจิสติกทวิ ในการทำนายวันนอนโรงพยาบาลของผู้ป่วย ผลการวิจัยพบว่า 1) ปัจจัยเกี่ยวกับผู้ป่วย คือ อายุ และ ปัจจัยเกี่ยวกับประวัติการรักษาที่ผ่านมา ได้แก่ วันนอนโรงพยาบาล การผ่าตัด ค่ารักษาพยาบาล ระดับโรงพยาบาล กลุ่มวินิจฉัยโรค และ โรคร่วมและโรคแทรกซ้อน มีความสัมพันธ์กับวันนอนโรงพยาบาล 2) ปัจจัยเกี่ยวกับผู้ป่วย ได้แก่ เพศ และ อายุ และ ปัจจัยเกี่ยวกับประวัติการรักษาที่ผ่านมา ได้แก่ วันนอนโรงพยาบาล การกลับมารักษาซ้ำ ค่ารักษาพยาบาล ระดับโรงพยาบาล กลุ่มวินิจฉัยโรค และ โรคร่วมและโรคแทรกซ้อน มีความสัมพันธ์กับวันนอนการลับมารักษาซ้ำ ตัวแบบทำนายวันนอนช่วยให้โรงพยาบาลสามารถบริหารจัดการทรัพยากรและการให้บริการมีประสิทธิภาพยิ่งขึ้น การคาดการณ์วันนอนโรงพยาบาลและการกลับมารักษาซ้ำจากลักษณะผู้ป่วยและประวัติการรักษาที่ผ่านมาเพื่อใช้เป็นแนวทางในการวางแผนดูแลและจำหน่ายผู้ป่วยให้เหมาะสม การคำนวณอัตราครองเตียงที่ช่วยให้โรงพยาบาลสามารถสำรองเตียงว่างสำหรับผู้ป่วยวิกฤต ผู้ป่วยกรณีฉุกเฉินหรือการเกิดโรคระบาด การประมาณค่ารักษาพยาบาล นอกจากนี้ยังทำให้ทราบถึงปัจจัยที่เกี่ยวข้องกับวันนอนโรงพยาบาลและการกลับมารักษาซ้ำ
This research aimed to study the model predicting length of stay and readmission among government officials’ patients with medical benefits by using negative binomial regression and binary logistic regression. The results found that 1) patient characteristics factors such as age and medical history factors such as length of stay, surgery, medical expenses, hospital level, disease group, and comorbidities and complications were related to the length of stay. 2) Patient characteristics factors such as sex and age and medical history factors such as length of stay, readmission, medical expenses, hospital level, disease group, and comorbidities and complications were related to the readmission. This model enables hospitals to manage resources and services more efficiently. By using negative binomial regression and binary logistic regression, the hospitals will be able to predict length of stay and readmission based on patient characteristics and medical history to guide the planning of appropriate patient care and discharge. Calculating bed occupancy rate enables hospitals to determine bed capacity for critical care, emergency case and epidemic outbreak as well as to estimate medical expenses. Moreover, the research provides the factors that influence patients’ length of stay and readmission.
This research aimed to study the model predicting length of stay and readmission among government officials’ patients with medical benefits by using negative binomial regression and binary logistic regression. The results found that 1) patient characteristics factors such as age and medical history factors such as length of stay, surgery, medical expenses, hospital level, disease group, and comorbidities and complications were related to the length of stay. 2) Patient characteristics factors such as sex and age and medical history factors such as length of stay, readmission, medical expenses, hospital level, disease group, and comorbidities and complications were related to the readmission. This model enables hospitals to manage resources and services more efficiently. By using negative binomial regression and binary logistic regression, the hospitals will be able to predict length of stay and readmission based on patient characteristics and medical history to guide the planning of appropriate patient care and discharge. Calculating bed occupancy rate enables hospitals to determine bed capacity for critical care, emergency case and epidemic outbreak as well as to estimate medical expenses. Moreover, the research provides the factors that influence patients’ length of stay and readmission.
Table of contents
Description
วิทยานิพนธ์ (วท.ม. (สถิติประยุกต์))--สถาบันบัณฑิตพัฒนบริหารศาสตร์, 2563