Artikel
Risikofaktoren für Stürze im Krankenhaus bei älteren Patienten: Identifikation durch Klassifikationsbaum und Logistische Regression
Suche in Medline nach
Autoren
Veröffentlicht: | 2. September 2009 |
---|
Gliederung
Text
Einleitung und Fragestellung: Stürze während eines Krankenhausaufenthalts kommen speziell bei älteren Patienten häufig vor. Da die Ressourcen für die Sturzprävention begrenzt sind, ist es notwendig ein Vorhersagemodell zu entwickeln, das besonders stark gefährdete Patienten identifiziert. Damit das Modell Krankenhausalltag einsetzbar ist, müssen die eingehenden Risikofaktoren leicht zu erheben und das Modell einfach anwendbar sein.
Material und Methoden: Die Daten wurden im Rahmen der Longitudinal Urban Cohort Ageing Study (LUCAS)* gesammelt. Die Studie umfasste 4931 Patienten, die stationär behandelt wurden. Vom Pflegepersonal dokumentierte Routinedaten gingen als Risikofaktoren in das Modell ein, dessen binäres Ergebnis Sturz vs. kein Sturz war. Der Datensatz wurde in einen Trainings- und einen Validierungsatz geteilt.
Um die Hauptrisikofaktoren und wesentlichen Interaktionen zu identifizieren und anwendbare klinische Regeln zu erstellen, berechneten wir einen auf dem Chi-Quadrat-Test basierenden Klassifikationsbaum. Die Irrtumswahrscheinlichkeit des Chi-Quadrat-Tests wurde auf 5% festgelegt . Vermehrten zufälligen Signifikanzen auf Grund multipler Tests bei stetigen Variablen wurde durch die Miller-Siegmund-Korrektur vorgebeugt. Zur Überprüfung des Modells führten wir eine logistische Regression durch.
Ergebnisse: 530 Patienten stürzten mindestens einmal während ihres Krankenhausaufenthaltes. Der Trainingsdatensatz beinhaltete 308 Patienten mit Stürzen und 2711 Patienten insgesamt. Der aus dem Trainingsadatensatz gewonnene Klassifikationsbaum hatte vier Ebenen und neun Endknoten mit Sturzwahrscheinlichkeiten von 3,4% bis 30,5%. Diese wurden in drei Risikogruppen eingeteilt (niedrig / mittel / hoch). Um die Struktur der Daten und die Selektion der Variablen unabhängig nachzuprüfen, passten wir ein logistisches Regressionsmodell an, welches die Auswahl der Hauptrisikofaktoren bestätigte. Auf den Validierungsdatensatz angewendet, zeigten sich kleinere Unterschiede zwischen den Methoden. Der Klassifikationsdatensatz war eher geeignet Patienten, die nicht gestürzt waren, in die Niedrigrisiko-Gruppe einzuteilen, wohingegen die logistische Regression besser geeignet war Hochrisiko-Patienten als solche zu erkennen.
* Supported by the BMBF, Berlin; title: 01ET0708