Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Prediktion av vårdrelaterade sjukdomar i Västerbotten
Umeå University, Faculty of Science and Technology, Department of Mathematics and Mathematical Statistics.
2017 (Swedish)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesis
Abstract [sv]

Vårdrelaterade infektioner, VRI, är ett av de största hoten mot patientsäkerheten i hälso- och sjukvården. Inte bara i Sverige utan också i resten av världen. I den här uppsatsen så har vi analyserat data från punktprevalensmätningar för VRI, PPMVRI, som utförts i Västerbotten mellan åren 2008-2015. Utifrån det givna datat har vi skapat modeller med både logistisk regression, LR, och linjär diskriminant analys, LDA. Vi jämför sedan de två metodernas förmåga att prediktera VRI med avseende på specificitet, enskilda modeller konstruerades både för hela Västerbotten men också för enskilda sjukhus och avdelningar. Vidare så undersöker vi om information kring patienters komorbiditet, alltså förekomsten av andra sjukdomar förutom den primära, kan öka metodernas prestanda. Av våra två metoder var det LR som presterade bäst med en specificitet på 32.79 % och LDA hade en specificitet på 31.20 %. För båda metoderna så visade det sig att modellen för Västerbotten presterade bättre än modellerna för enskilda avdelningar och sjukhus. Vi kom också fram till att information om patienters komorbiditet kan hjälpa till att öka specificiteten, men vi hade för få observationer (90 st med VRI och 90 st utan VRI) för att kunna ge ett definitivt svar. En överlevnadsanalys utfördes för att bekräfta tidigare resultat om att VRI-patienter har en signifikant högre 90-dagars dödlighet, vårt resultat stämde väl överens med tidigare studier. Sammanfattningsvis visade vi på att statistiska metoder kan användas för att prediktera och analysera vilka patienter som ligger i riskzonen för att drabbas av VRI, samt att det skulle behövas ytterligare studier för att undersöka huruvida information om patienters komorbiditet skulle kunna hjälpa oss att ytterligare förbättra den prediktiva förmågan hos dessa metoder.

Place, publisher, year, edition, pages
2017. , 35 p.
Keyword [sv]
VRI, vårdrelaterad infektion, logistisk regression, VLL
National Category
Probability Theory and Statistics
Identifiers
URN: urn:nbn:se:umu:diva-141550OAI: oai:DiVA.org:umu-141550DiVA: diva2:1155361
External cooperation
Norrlands universitetssjukhus
Presentation
2017-11-05, MA166, Umeå, 17:19 (Swedish)
Supervisors
Examiners
Available from: 2017-11-13 Created: 2017-11-07 Last updated: 2017-11-13Bibliographically approved

Open Access in DiVA

fulltext(1023 kB)4 downloads
File information
File name FULLTEXT01.pdfFile size 1023 kBChecksum SHA-512
68756a3a8c01a2e750c89dc098adef38b172a8061fc2e516cc1eb72c301e31ad7c14b453ccbcdb87dfe0702c51f96bfeac53ec2b1ea67fba82e433160f5f50c0
Type fulltextMimetype application/pdf

By organisation
Department of Mathematics and Mathematical Statistics
Probability Theory and Statistics

Search outside of DiVA

GoogleGoogle Scholar
Total: 4 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

Total: 41 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf