Predicting post‐discharge death or readmission: deterioration of model performance in population having multiple admissions per patient
Notice bibliographique
Résumé
BACKGROUND: To avoid biased estimates of standard errors in regression models, statisticians commonly limit the analytical dataset to one observation per patient. OBJECTIVE: Measure and explain changes in model performance when a model predicting 30-day risk of death or urgent readmission (derived on a dataset having one hospitalization per patient) was applied to all hospitalizations for study patients. METHODS: Using administrative data from Ontario, we identified all hospitalizations of 499,996 patients between 2004 and 2009. We calculated the expected risk for 30-day death or urgent readmission using a validated model. The observed-to-expected ratio was determined after categorizing patients into quintiles of rates for hospitalization, emergent hospitalizations, hospital day and total diagnostic risk score. RESULTS: Study patients had a total of 858,410 hospitalizations. Compared with a dataset having one hospitalization per patient, model performance declined significantly when applied to all hospitalizations [c-statistic decreased from 0.768 to 0.730; the observed-to-expected ratio increased from 0.998 (95% confidence interval 0.977-0.999) to 1.305 (1.297-1.313)]. Model deterioration was most pronounced in patients with higher hospital utilization, with the observed-to-expected ratio increasing to 1.67 in the highest quintile of emergent hospitalization rates. CONCLUSIONS: The accuracy of predicting 30-day death or urgent readmission decreased significantly when the unit of analysis changed from the patient to the hospitalization. Patients with heavy hospital utilization likely have characteristics, not adequately captured in the model, that increase the risk of death or urgent readmission after discharge from hospital. Adequately capturing the characteristics of such high-end hospital users may improve readmission models.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,034 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».