Analisi dei dati relativi a pazienti affetti da polmonite PNEUMOCYSTIS JIROVECII utilizzando la tecnica della regressione logistica

Abstract

Nel presente lavoro è stata svolta un’analisi dati relativa ai dati di alcuni pazienti ricoverati all’ospedale San Martino di Genova e affetti da un particolare tipo di polmonite, causata dal fungo Pnemumociutis jirovecii, che colpisce principalmente i pazienti che presentano uno stato immunitario non ottimale. Inizialmente i dati ottenuti sono stati riorganizzati in modo tale da poter essere letti più facilmente dal software Matlab, che è stato utilizzato per l’analisi dei dati. Successivamente si è gestito il problema dei missing data, in quanto le misurazioni relative a molte variabili erano incomplete per un numero di pazienti più o meno ampio a seconda del tipo di variabile. Dopo questa fase preliminare si è utilizzato il metodo della regressione logistica utilizzando la funzione di Matlab fitmnr; in un secondo tempo si è analizzata anche l’eventuale correlazione tra le variabili per ottenere risultati più accurati. Dopo aver visto, con il metodo della regressione, quali variabili influenzassero l’esito della malattia, è stata analizzata anche l’influenza delle variabili sul periodo di degenza. In ultimo è stato fatto un tentativo utilizzando anche variabili che nella prima analisi erano state scartate dato che presentavano una percentuale di missing data troppo elevata.

In this work we have carried out a data analysis concerning the data of a bunch of patients of the genoese hospital San Martino who had a specific type of pneumonia, caused by the Pnemumociutis jirovecii fungus, a fungus that affects mainly the patients with a suboptimal immune status. Initially the data has been reorganised and rearranged so that it could be read more easily by the software MATLAB, which is the software that has been used for this analysis. Then we have handled the missing data problem, for a lot of measurements concerning the parameters of the patients (such as age, sex, type of therapy, immune status ecc.) were incomplete, and the number of patients that lacked measurements was different depending on the specific parameter. After these preliminary operations we used the logistic regression method using the MATLAB function fitmnr and then we analysed any possible correlation among the parameters, in order to have results as accurate as possible. Using the logistic regression, we found out which parameters influenced the pneumonia exitus after 30 days (i.e. death or survival), and then we proceeded to analyse the effect of the parameters on the length of the hospital stay. In the end we tried to include some of the parameters that we left out during the first analysis with the logistic regression because of their excessive percentage of missing data.