پیش بینی میزان مرگ بیماران بستری در بخش icu بیمارستان بوعلی بر اساس سیستم apache iii
Authors
abstract
سابقه و هدف: توانایی محاسبه خطر مرگ در محیط های پرهزینه مانند icu جهت ارزیابی درمان های جدید، کنترل مصرف منابع و بهبود کنترل کیفی، از اهمیت ویژه ای برخوردار است. سیستم ارزیابی فیزیولوژی حاد و سلامت مزمن (apache) برای پیش بینی نتایج مراقبت های ویژه به وجود آمده است. هدف از انجام این مطالعه، تعیین میزان مرگ پیش بینی شده بیماران بستری درicu بیمارستان بوعلی و نیز مقایسه آن با میزان مرگ مشاهده شده و نیز تعیین ارتباط میزان مرگ با سن، جنس و نمره apache iii بود.روش بررسی: در این مطالعه تحلیلی آینده نگر، نمره apache iii 269 بیمار در طول مدت 10 ماه در icu بیمارستان بوعلی محاسبه شده و خطر مرگ پیش بینی شده هر بیمار با نرم افزار apache iii-j محاسبه شد. دقت نتایج به دست آمده توسط آنالیز رگرسیون مورد بررسی قرار گرفت.یافته ها: 7/51 % بیماران زن و 3/48 % مرد بودند. میانگین سنی بیماران 2/61 سال بود. میانگین نمره apache iii در کل بیماران 6/60 بود. میزان کل مرگ پیش بینی شده 6/25% و مشاهده شده 1/27 % بود و در نهایت smr در این مطالعه برابر 05/1 بود. نتیجه گیری: رابطه مستقیمی بین افزایش سن و نمره apache iii با میزان مرگ مشاهده شده به دست آمد، در حالی که رابطه معنی داری بین جنس و میزان مرگ مشاهده نشد. smr برابر 05/1 در این مطالعه، بیانگر رابطه خطی بین مرگ پیش بینی شده و مرگ مشاهده شده است.
similar resources
پیش بینی میزان مرگ بیماران بستری در بخش ICU بیمارستان بوعلی بر اساس سیستم APACHE III
سابقه و هدف: توانایی محاسبه خطر مرگ در محیط های پرهزینه مانند ICU جهت ارزیابی درمان های جدید، کنترل مصرف منابع و بهبود کنترل کیفی، از اهمیت ویژه ای برخوردار است. سیستم ارزیابی فیزیولوژی حاد و سلامت مزمن (APACHE) برای پیش بینی نتایج مراقبت های ویژه به وجود آمده است. هدف از انجام این مطالعه، تعیین میزان مرگ پیش بینی شده بیماران بستری درICU بیمارستان بوعلی و نیز مقایسه آن با میزان مرگ مشاهده شده و...
full textبررسی میزان مرگ و میر بیماران بستری در بخش ICU با درجات مختلف APACHE II
چکیده مقدمه: با توجه به اهمیت موضوع مراقبت از بیماران مراجعهکننده به واحدهای درمانی به خصوص ICU، ارائه این مراقبتهای خدماتی درمانی باید متناسب با شدت بیماری باشد تا هم نتیجه مطلوبتری بدست آید و هم بیمارانی که شدت بیماری آنها بیشتر است مورد اینگونه مراقبتهای ویژه قرارگیرند. استفاده از سیستم نمرهبندی استاندارد APACHE II برای تعیین میزان شدت بیماری و مقایسه آن با سایر مراکز درمانی استاندا...
full textمقایسه gcs و apache score در پیش بینی پروگنوز بیماران بستری در بخش مراقبتهای ویژه (icu)
چکیده ندارد.
15 صفحه اولبررسی میزان مرگ و میر بیماران بستری در بخش icu با درجات مختلف apache ii
چکیده مقدمه: با توجه به اهمیت موضوع مراقبت از بیماران مراجعه کننده به واحدهای درمانی به خصوص icu، ارائه این مراقبت های خدماتی درمانی باید متناسب با شدت بیماری باشد تا هم نتیجه مطلوب تری بدست آید و هم بیمارانی که شدت بیماری آن ها بیشتر است مورد این گونه مراقبت های ویژه قرارگیرند. استفاده از سیستم نمره بندی استاندارد apache ii برای تعیین میزان شدت بیماری و مقایسه آن با سایر مراکز درمانی استاندارد...
full textارزیابی کارآیی سیستم درجه بندی APACHE III در بیماران بستری در بخش های مراقبت های ویژه دانشگاه علوم پزشکی تهران: مقایسه مدل Customized با مدل طراحی شده سینا
قضاوت درباره کارآیی بخش های مراقبت های ویژه، بدون داشتن معیارهای عینی امکان پذیر نخواهد بود. این کارآیی در سرانجام بیماران تجلی می یابد و قابل اعتمادترین ابزار سنجش برای بررسی سرانجام در بخش مراقبت های ویژه، مرگ و میر بیمارستانی است. سیستم های درجه بندی به منظور پیش بینی سرانجام بیمار، ارزیابی کارآیی ICU ها و کارآزمایی های درمانی پیشنهاد شده اند. به رغم صحت کافی سیستم های درجه بندی برای تخمین ا...
full textمقایسه دو ابزار apache iv و saps ii در پیش بینی میزان مرگ بیماران بستری در بخش مراقبت های ویژه
سابقه و هدف: توانایی پیش بینی میزان مرگ در بخش مراقبت های ویژه جهت ارزیابی درمان های جدید، کنترل مصرف منابع و بهبود کیفت مراقبت، از اهمیت ویژه ای برخوردار است. از سیستم طبقه بندی شدت بیماری ها به شکل وسیع برای پیش بینی میزان مرگ بیمارانی که با تشخیص های مختلف در بخش مراقبت های ویژه بستری شده اند، استفاده می شود. مطالعه حاضر با هدف مقایسه پیش بینی میزان مرگ بیماران بستری در بخش مراقبت های ویژه ب...
full textMy Resources
Save resource for easier access later
Journal title:
فصلنامه علوم پزشکی دانشگاه آزاد اسلامی واحد پزشکی تهرانجلد ۱۶، شماره ۴، صفحات ۲۱۷-۲۲۰
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023