Statistical analysisUnivariate diff

Statistical analysis
Univariate differences in cost were compared using nonparametric tests (Wilcoxon rank-sum test or Kruskal– Wallis test). To assess the multivariate association between cost and postoperative complications, loss of independence and hospital mortality, we performed a multiple linear regression, controlling for age, ASA, OS and FI-CGA. These factors have been associated with health care costs in previous research.4,20–24 Even after truncating the data, the data continued to be right-skewed. The cost data were logarithmically transformed to adjust for the skewness. Log-transforming the data improved the fit diagnostics of the models, demonstrated by more homogeneous, random residuals plots. Additionally, the R2 value of the cost model increased from 0.3554 to 0.5735 with log-transformation of cost data, indicating better fit to the regression line. We calculated adjusted median costs by exponentiating the least squares means of the logtransformed total costs using general linear models. The increase in cost associated with each level of an ordinal factor was calculated by exponentiating the β coefficient (e.g., x unit increase in complication severity results in exp [coefficient] increase in cost).19,25 We calculated the costs attributable to adverse events (most severe postoperative complication, hospital mortality and loss of independence) using a regression-based approach.26

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์ทางสถิติ
ความแตกต่าง Univariate ในค่าใช้จ่ายที่ได้มาเปรียบเทียบโดยใช้การทดสอบอิงพารามิเตอร์ (Wilcoxon ทดสอบยศผลรวมหรือ Kruskal- วาลลิส Test) เพื่อประเมินการเชื่อมโยงหลายตัวแปรระหว่างค่าใช้จ่ายและภาวะแทรกซ้อนหลังการผ่าตัดการสูญเสียของความเป็นอิสระและการเสียชีวิตที่โรงพยาบาลเราดำเนินการถดถอยเชิงเส้นหลายควบคุมอายุ, ASA, OS และ FI-CGA ปัจจัยเหล่านี้ได้รับการเชื่อมโยงกับค่าใช้จ่ายในการดูแลสุขภาพใน research.4,20-24 ก่อนหน้านี้แม้หลังจากที่ตัดทอนข้อมูลข้อมูลที่ยังคงเป็นขวาเบ้ ข้อมูลค่าใช้จ่ายถูกเปลี่ยนลอการิทึมเพื่อปรับเบ้ เข้าสู่ระบบเปลี่ยนข้อมูลการปรับปรุงการวินิจฉัยความเหมาะสมของรูปแบบที่แสดงให้เห็นโดยเป็นเนื้อเดียวกันมากขึ้นเหลือแปลงสุ่ม นอกจากนี้ค่า R2 ของรูปแบบค่าใช้จ่ายที่เพิ่มขึ้น 0.3554-0.5735 กับการเข้าสู่ระบบการเปลี่ยนแปลงของข้อมูลค่าใช้จ่ายบ่งชี้ที่ดีขึ้นพอดีกับเส้นถดถอย เราคำนวณการปรับค่าใช้จ่ายเฉลี่ยโดย exponentiating สี่เหลี่ยมน้อยหมายถึงค่าใช้จ่ายรวม logtransformed โดยใช้แบบจำลองเชิงเส้นทั่วไป การเพิ่มขึ้นของค่าใช้จ่ายที่เกี่ยวข้องกับแต่ละระดับของปัจจัยลำดับที่คำนวณได้จากค่าสัมประสิทธิ์ exponentiating β (เช่นการเพิ่มขึ้น x หน่วยในผลแทรกซ้อนที่รุนแรงในประสบการณ์ [ค่าสัมประสิทธิ์] เพิ่มขึ้นของต้นทุน) .19,25 เราคำนวณค่าใช้จ่ายในส่วนที่เป็นเหตุการณ์ไม่พึงประสงค์ (หลังการผ่าตัดภาวะแทรกซ้อนที่รุนแรงที่สุดตายในโรงพยาบาลและการสูญเสียความเป็นอิสระ) โดยใช้ approach.26 ถดถอยตาม

ผลลัพธ์ (ไทย) 3:

สถิติที่ใช้ในการวิเคราะห์ข้อมูลความแตกต่างของต้นทุนการรักษาเปรียบเทียบการทดสอบนอนพาราเมตริก ( Wilcoxon rank sum หรือ Kruskal Wallis test ( ทดสอบ ) เพื่อประเมินความสัมพันธ์หลายตัวแปรระหว่างต้นทุนและภาวะแทรกซ้อนหลังผ่าตัด สูญเสียเอกราชและอัตราการตายในโรงพยาบาล เราก็แสดงเป็นสมการถดถอยพหุคูณ การควบคุมสำหรับอายุ , อาสา , OS และ fi-cga . ปัจจัยที่มีความสัมพันธ์กับการดูแลสุขภาพค่าใช้จ่ายในงานวิจัยก่อนหน้า 4,20 – 24 หลังจากตัดข้อมูล ข้อมูลยังคงถูกเอียง ข้อมูลค่าใช้จ่าย logarithmically เปลี่ยนปรับระดับความเบ้ . เข้าสู่ระบบเปลี่ยนข้อมูลปรับปรุงพอดีกับการวินิจฉัยของแบบจำลองที่แสดงโดยเป็นเนื้อเดียวกันมากขึ้น ค่าคลาดเคลื่อนสุ่มแปลง นอกจากนี้ , R2 ค่าของแบบจำลองต้นทุนเพิ่มขึ้นจาก 0.3554 เพื่อ 0.5735 กับบันทึกการแปลงข้อมูลต้นทุน ซึ่งดีกว่าพอดีกับเส้นถดถอย . เราคำนวณต้นทุนโดยเฉลี่ยปรับ exponentiating สี่เหลี่ยมก็แสดงว่าของ logtransformed ค่าใช้จ่ายรวมโดยใช้ตัวแบบเชิงเส้นทั่วไป เพิ่มขึ้นในค่าใช้จ่ายที่เกี่ยวข้องกับระดับของปัจจัยแต่ละอันดับได้คำนวณสัมประสิทธิ์บีตา exponentiating ที่ ( เช่น x หน่วยเพิ่มภาวะแทรกซ้อนรุนแรงส่งผล exp [ 1 ] เพิ่มต้นทุน ) 19,25 เราคำนวณต้นทุนจากเหตุการณ์ไม่พึงประสงค์ ( อัตราการตายในโรงพยาบาลหลังผ่าตัด ภาวะแทรกซ้อนที่รุนแรงที่สุด และการสูญเสียเอกราช ) โดยใช้การถดถอย ตาม approach.26