O documento apresenta os resultados de um estudo que aplicou técnicas de análise de sobrevivência para determinar o tempo de permanência de idosos em dois lares do distrito de Santarém, Portugal. As variáveis idade, faturação acumulada e distância influenciaram significativamente o tempo de permanência, enquanto a variável distância não teve influência. Os resultados fornecem informações úteis sobre a previsão dos recursos necessários nos lares, mas carecem de aprofundamento com mais dados.
1. Pedro Sobreiro 2 ; Domingos Martinho1; Marco Tereso1; António Pratas1
1ISLA-Santarém; 2IP Santarém e ISLA Santarém
domingos.martinho@islasantarem.pt; marco.tereso@gmail.com; sobreiro@esdrm.ipsantarem.pt;
antonio.pratas@islasantarem.pt
PREVISÃO DO TEMPO DE PERMANÊNCIA
EM DOIS LARES DO DISTRITO DE SANTARÉM
3. Justificação / pertinência do estudo
o A informação sobre o tempo de estadia nos lares é
fundamental para prever os recursos financeiros
necessários (Forder & Fernandez, 2011)
o A forma mais comum de se abandonar este tipo de
instituições é devido à morte, sendo por isso importante
estimar a duração da estadia após a entrada (Lee, Chau,
Hui, Chan, & Woo, 2009)
o Apesar a importância de saber o tempo de estadia num lar,
tem sido desenvolvida pouca investigação que nos permita
ter uma perspetiva exata de quanto tempo as pessoas
vivem nos lares antes de morrerem (Forder & Fernandez,
2011)
4. Justificação / pertinência do estudo
o A análise de sobrevivência permite identificar os eventos de
uma forma cronológica e avaliar simultaneamente quanto
tempo decorre até um evento (Williams, 2008).
o A vantagem neste tipo de análise é que podemos incluir
outros dados, como variáveis independentes que
influenciam o tempo de sobrevivência (Williams, 2008).
o Considera eventos censurados, i.e. sujeitos que ainda não
atingiram o evento;
o O objetivo deste estudo consiste na aplicação de
técnicas de análise de sobrevivência para determinar o
tempo de vida de um idoso no lar e quais são as
variáveis que influenciam o tempo de permanência.
5. Metodologia
o Análise dos dados disponibilizados pelo responsável de
duas instituições do distrito de Santarém, contendo a
informação de 601 clientes;
o Após o pré-tratamento obtiveram-se 200 registos válidos
com as seguintes variáveis: sexo; dtNasc; fatAcum;
estadia; dataInicio; dataFim; idade; distancia; 'abandonou’;
o A estadia foi calculada a partir da data de inicio e data fim e
representa o número de meses;
o Para determinar a data de inicio utilizou-se a data da
primeira fatura emitida ao cliente e para data de fim a data
da última fatura, considerando a última fatura a data a partir
da qual ocorreram 60 dias sem emissão de faturas;
6. Metodologia
o O tratamento dos dados e as estatísticas descritivas foram
realizadas num notebook em Jupyter (Ragan-Kelley et al.,
2014)
o Curva de sobrevivência (Kaplan-Meier estimator) a partir do
momento inicial, momento final e situação da análise de
sobrevivência, através do package survival do R (Terry M.
Therneau & Lumley, 2017)
o Determinação dos coeficientes que têm influência
sobrevivência através da regressão de Cox (Cox, 1972);
o Análise estatística dos efeitos das variáveis recolhidas na
sobrevivência;
7. Resultados – Curva de sobrevivência
o Sobrevivência ao longo dos meses
o Quais são os efeitos na sobrevivência das outras variáveis?
8. Resultados – Cox Regression
o Efeitos das variáveis na sobrevivência: faturação
acumulada; idade e distância
9. Resultados – idade
o Comparação da sobrevivência por escalão idade;
o Chi2 = 45.6486, p<0.01; existem diferenças ; multivariate log
rank test
o Diferenças nos escalões 1-4,2-4,3-4,3-4; p<0.01; pairwise log
rank test
10. Resultados – Distância
o Comparação da sobrevivência por distância
o Chi2 = 1.61, p<0.445; Não existem diferenças
11. Resultados – Faturação acumulada
o Comparação da sobrevivência por faturação acumulada
o Chi2 = 59,5, p<0.01; Existem diferenças
o Diferenças nos escalões 1-2,1-3, 2-3; p<0.01; pairwise log
rank test
12. Conclusões e trabalho futuro
o Verificaram-se efeitos das variáveis na sobrevivência:
faturação acumulada; idade e distância;
o Existem diferenças na sobrevivência por escalão de idade;
o Não existem diferenças na sobrevivência por escalões de
distância;
o Existem diferenças por escalões de faturação;
o Os resultados obtidos carecem de aprofundamento e
avaliação da qualidade dos dados obtidos;
o O trabalho a desenvolver no futuro, passa por incorporar
mais variáveis aumentar a amostra com mais lares
estudados;
13. Bibliografia
o Forder, J., & Fernandez, J.-L. (2011). Length of stay in care homes, 28.
o Lee, J. S. W., Chau, P. P. H., Hui, E., Chan, F., & Woo, J. (2009). Survival prediction
in nursing home residents using the Minimum Data Set subscales: ADL Self-
Performance Hierarchy, Cognitive Performance and the Changes in Health, End-
stage disease and Symptoms and Signs scales. European Journal of Public Health,
19(3), 308–312. doi:10.1093/eurpub/ckp006
o Williams, C. S. (2008). Surviving Survival Analysis – An Applied Introduction.
Institute for Advanced Analytics. Obtido de
https://analytics.ncsu.edu/sesug/2008/ST-147.pdf
o Ragan-Kelley, M., Perez, F., Granger, B., Kluyver, T., Ivanov, P., Frederic, J., &
Bussonier, M. (2014). The Jupyter/IPython architecture: a unified view of
computational research, from interactive exploration to communication and
publication. Em AGU Fall Meeting Abstracts (Vol. 1, p. 07). Obtido de
http://adsabs.harvard.edu/abs/2014AGUFM.H44D..07R
o Terry M. Therneau, & Lumley, T. (2017). survival: Survival Analysis (Versão 2.41-3).
Obtido de https://CRAN.R-project.org/package=survival
o Cox, D. R. (1972). Regression Models and Life-Tables. Journal of the Royal
Statistical Society. Series B (Methodological), 34(2), 187–220.
14. Pedro Sobreiro 2 ; Domingos Martinho1; Marco Tereso1; António Pratas1
1ISLA-Santarém; 2IP Santarém e ISLA Santarém
domingos.martinho@islasantarem.pt; marco.tereso@gmail.com; sobreiro@esdrm.ipsantarem.pt;
antonio.pratas@islasantarem.pt
PREVISÃO DO TEMPO DE PERMANÊNCIA
EM DOIS LARES DO DISTRITO DE SANTARÉM
Notas do Editor
Este procedimento foi adotado uma vez que no software de gestão não existia a informação referente à data de entrada da instituição e à data de saída.
A distância à instituição foi calculada através de uma rotina que utiliza uma API para o google maps enviando o código postal da instituição e do utente e tratando o resultado obtido em XML.
A idade foi calculada a partir da data de nascimento.
Este procedimento foi adotado uma vez que no software de gestão não existia a informação referente à data de entrada da instituição e à data de saída.
A distância à instituição foi calculada através de uma rotina que utiliza uma API para o google maps enviando o código postal da instituição e do utente e tratando o resultado obtido em XML.
A idade foi calculada a partir da data de nascimento.