The Residential History File: Studying Nursing Home Residents' Long‐Term Care Histories<sup>*</sup>
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To construct a data tool, the Residential History File (RHF), that summarizes information from Medicare claims and nursing home (NH) Minimum Data Set (MDS) assessments to track people through health care locations, including non-Medicare-paid NH stays. DATA SOURCES: Online Survey of Certification and Reporting (OSCAR) data for 202 free-standing NHs, Medicare Denominator, claims (parts A and B), and MDS assessments for 60,984 people who were present in one of these NHs in 2006. METHODS: The algorithm creating the RHF is outlined and the RHF for the study data are used to describe place of death. The identification of residents in NHs is compared with the reports in OSCAR and part B claims. PRINCIPAL FINDINGS: The RHF correctly identified 84.8 percent of part B claims with place-of-service in NH, and it identified 18.3 less residents on average than reported in the OSCAR on the day of the survey. The RHF indicated that 17.5 percent non-Medicare NH decedents were transferred to the hospital to die versus 45.6 percent skilled nursing facility decedents. CONCLUSIONS: The population-based design of the RHF makes it possible to conduct policy-relevant research to examine the variation in the rate and type of health care transitions across the United States.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle