Author(s):
Abreu, Daisy Andreína Vieira de 
Date: 2013
Persistent ID: http://hdl.handle.net/10451/10176
Origin: Repositório da Universidade de Lisboa
Subject(s): Síndrome Coronário Agudo; Enfarte Agudo do Miocárdio; Tempo total de isquémia; Modelo de regressão logística; Teses de mestrado - 2013
Description
Tese de mestrado em Bioestatística, apresentada à Universidade de Lisboa, através da Faculdade de Ciências, 2013 O Síndrome Coronário Agudo (SCA), é a doença com maior taxa de mortalidade e morbilidade nos países desenvolvidos, sendo a segunda causa de morte mais frequente em Portugal. O enfarte agudo do miocárdio (EAM) constitui a manifestação mais grave do SCA, e requer intervenção médica urgente para melhorar a sobrevivência e a qualidade de vida dos sobreviventes. Quanto mais precocemente for realizado o tratamento menor o tempo total de isquémia, que é definido como o tempo desde o início da sintomatologia até ao início do tratamento. Na maioria dos estudos foi demonstrado que um aumento do tempo total de isquémia estava associado a um pior prognóstico. Tendo em conta que os doentes chegam tardiamente ao tratamento, é importante reconhecer quais são os factores que condicionam o atraso no tratamento. Esta tese tem como objectivo a identificação desses factores/variáveis a partir da análise de um conjunto de dados recolhidos no Serviço de Cardiologia I do Hospital de Santa Maria. A regressão logística foi a metodologia estatística utilizada e os dados foram analisados usando o software R versão 2.13.
Para a obtenção do modelo de regressão logística final foram utilizadas varias técnicas de selecção de covariáveis: método de selecção de covariáveis “Hosmer e Lemeshow” e o método stepwise. Depois de obtido o modelo foi verificado o seu ajuste ao conjunto de dados e avaliada a sua capacidade preditiva.
O modelo final revelou seis covariáveis associadas à variável resposta, tempo total de isquémia, que foram: idade do doente, o nível de intensidade da dor, a zona de proveniência, o nível socioeconómico, as funções que se encontrava a realizar no momento de instalação do quadro, e por último o facto de o doente ter sido transferido de outro hospital.
Pode-se assim concluir que a análise do conjunto de dados através da regressão logística possibilitou a identificação das covariáveis associadas ao tempo total de isquémia. A identificação destas covariáveis permite ainda a identificação dos doentes que constituem um grupo com possibilidade de pior prognóstico, para os quais devem ser dirigidos os esforços educacionais. The Acute Coronary Syndrome (ACS), is the disease with the highest mortality and morbidity rate in developed countries and the second most frequent cause of death in Portugal. The acute myocardial infarction (AMI) is the most serious manifestation of the ACS, and requires urgent medical intervention to improve survival and quality of life of survivors. The sooner the treatment is performed the less the total time of ischemia, which is defined as the time from the onset of symptoms until treatment is achieved. In most studies it was shown that an increase in the total time of ischemia was associated with a worse prognosis. Given that most patients arrive late for treatment, it is important to understand which factors influence the delay in treatment. The main gold of this thesis is the identification of those factors. Data from the “Serviço de Cardiologia I do Hospital de Santa Maria” were analysed using the logistic regression approach, using R software, version 2.13.
To obtain the final logistic regression model, several techniques of covariates selection have been applied, such as the method of selection of covariates "Hosmer and Lemeshow" and the stepwise method. After the final model was obtained, the fit of the model was assessed and its predictive ability was evaluated.
The final model revealed six covariates associated with the response variable, total time of ischemia, which were: patient age, level of pain intensity, the area of origin, socioeconomic status, functions that the patient was performing at the time of installation of symptoms, and finally the fact that the patient has been transferred from another hospital.
In conclusion, the application of logistic regression to data set allowed the identification of covariates associated with the total time of ischemia, some of which can be modified to optimize the therapy. The identification of these covariates also allows the identification of patients with possibility of worse prognosis, for which should be directed educational efforts.
