■ 重回帰分析の結果
　

【松田晋哉委員（産業医科大医学部公衆衛生学教授）】
　あと、１ページめくっていただきまして、ではどういう形でモデルとして推計できるのかということで、参考のためとしまして重回帰分析も一応やっております。目的変数としては調整係数で、変数としてはここに挙げている変数を全部入れて、Ｓｔｅｐｗｉｓｅ法
で計算しております。

　見てみますと、モデルとしましては、検査、画像診断、１００床当たりの医師数、それからＣＴ・ＭＲＩの１患者当たりの検査数というものが、いずれも正の相関をもって調整係数と関与しているということで、この４つで、決定係数ですけれども、３４％ぐらいの説明力を持っているということです。

　一応、Ｄｕｒｂｉｎ－ｗａｔｓｏｎ比も調べておりますけれども、１．８６１ということで、これが２より非常に大きい場合にはあれなので
すけれども、２周辺である場合には誤差項間の相関はないということですので、変数の選択としてはそれほど間違っていないだろうと思います。

　あと、最終モデルでデータが入っていないところで、１００床当たりの研修医数とか、ＤＰＣ１４の出現数、処方、注射というのは、偏相関といいまして、ほかの要因の影響を考慮した上でどのくらいの相関があるかというものを見たものですけれども、それの偏相関の、これは有意確率ですね、有意確率が０．０２５と０．０７８、０．０１６、０．０５５ということで、それなりに関係はあるのですけれども、これはほかの変数と共線性があって、共線性というのは、例えば検査が上がると処方も上がるとか注射も上がるとか、そういう同じ方向に動くという意味ですが、そういうものがあるとモデルの推計はよくなりませんので、それは除外されています。

　ということで、今回の分析を見る限り、これまでの検討結果と同じでありますけれども、調整係数というのは基本的には出来高換算で見た場合には、処方ですとか注射ですとか、検査、画像診断、そういうところが多くやられているところで高い係数になっている。

　構造で見ますと、医師数、研修医の数、そういうところが多いところで調整係数は高くなっていると、そういう結論になっております。以上でございます。

【西岡清分科会長（横浜市立みなと赤十字病院長）】
　ありがとうございました。（以下略）

　▼　質疑応答は議事録を参照。
　
　
　
　（この記事へのコメントはこちら）
　
　
　

【目次】
　P2 → 施設類型等の概要
　P3 → 平均在院日数
　P4 → 入院経路
　P5 → 緊急入院の率・患者数
　P6 → 入院時の紹介率・退院時の紹介率
　P7 → 退院先の状況
　P8 → 転院の割合
　P9 → 退院時転帰の状況
　P10 → 再入院率
　P11 → 同一疾患での6週間以内の再入院の割合
　P12 → 調整係数と各変数の相関係数
　P13 → 重回帰分析の結果