STUDY OF THE RISK FACTORS AFFECTING THE HOSPITAL LENGTH OF STAY OF HOSPITALISED COVID-19 PATIENTS

Abstract

COVID-19 is a rapidly expanding disease caused by the virus SARS-COV-2. As a new disease, its poor understanding can result in delayed identification and treatment. Thus, during the COVID-19 pandemic, is of crucial importance to understand the factors that may influence the Length of Stay (LOS) for hospitalized patients. The hospital LOS refers to the number of days that a patient stays in the hospital. In addition, the comprehen- sion of those factors is important for planning the allocation of medical resources. This thesis has the goals (1) to study the risk factors that influence the hospital LOS variation for COVID-19 patients. For that, this study had access to information on 50 COVID-19 patients after being hospitalised in the Hospital García de Orta, in Almada. The dataset contains 45 explanatory variables that includes information about patients’ demographic characteristics and clinical indicators regarding inflammation, renal, liver, heart and lung functions. To achieve that goal, a survival analysis approach is used, since when mod- elling the LOS the observations may be censored. Two survival analysis approaches are employed, the semiparametric approach, where Cox proportional hazards model is used, and the parametric approach by fitting an Accelerated Failure Time (AFT) model. In the parametric approach, it is needed to assume a probabilistic distribution for the response variable. Generically, the hospital LOS is typically a random variable with a positively skewed distribution. Hence, this study tested the log-normal and log-logistic AFT mod- els. The best model is decided by an information criterion. Moreover, this work aims (2) to compare statistical inference approaches to the survival modelling, namely frequen- tist (classical) and Bayesian approaches. The comparison between statistical inferences was made by comparing the significant variables in each model, and by comparing the survival curves to the empirical survival curve. Results showed that for the classical in- ference the log-normal AFT model was the one that fitted the best to the data. Regarding the Bayesian inference, the log-logistic AFT model was the best to predict the hospital LOS.

A COVID-19 é uma doença em rápida expansão causada pelo vírus SARS-COV-2. Como nova doença, a sua "má"compreensão pode resultar em atrasos na identificação e trata- mento da mesma. Assim, durante a pandemia da COVID-19, é importante compreender os factores que podem influenciar o tempo de internamento dos pacientes que estão hos- pitalizados. A compreensão desses fatores poderá ser importante para o planeamento da alocação dos recursos hospitalares. Esta tese tem como objectivos (1) estudar os factores que podem influenciar a variação do tempo de internamento dos pacientes de COVID-19. Para isso, este estudo teve acesso à informação de 50 pacientes de COVID-19 que foram internados no Hospital García de Orta, em Almada. Os dados contêm informação de 45 variávies explicativas, relacionadas com as caraterísticas demográficas e indicadores clí- nicos, relativamente às funções infamatória, hepática, renal, cardiovascular e pulmonar. Para atingir este objetivo, são usadas técnicas de análise de sobrevivência, pois quando se modela este tipo de variáveis as observações podem ser censoradas. Duas abordagens são usadas: a semi-paramétrica, onde se utiliza o modelo de Risco Proporcional de Cox, e uma abordagem paramétrica através do modelo de Tempo de Falha Acelerada (AFT). Na abordagem paramétrica, é necessário assumir uma distribuição para a variável resposta. Geralmente, o tempo de internamento é tipicamente uma variável aleatória com uma dis- tribuição positivamente enviesada. Por isso, este estudo testa dois modelos: log-normal e log-logística. O melhor modelo foi decidido através de um critério de informação. Este trabalho pretende ainda (2) comparar abordagens de inferências estatística para a modela- ção da sobrevivência, nomeadamente a abordagem frequentista (clássica) e a abordagem Bayesiana. A comparação entre as inferências foi feita através da comparação das variá- veis significativas em cada modelo, e pela comparação das curvas de sobrevivência de cada abordagem com a curva de sobrevivência empírica. Os resultados mostram que para a inferência clássica, o modelo AFT log-normal é o que melhor se adapta aos dados. Em relação à inferência Bayesiana, o modelo log-logístico de AFT foi o melhor para prever o LOS hospitalar.