Measuring the Quality of Diabetes Care Using Administrative Data: Is There Bias?
Notice bibliographique
Résumé
OBJECTIVES: Health care organizations often measure processes of care using only administrative data. We assessed whether measuring processes of diabetes care using administrative data without medical record data is likely to underdetect compliance with accepted standards for certain groups of patients. DATA SOURCES/STUDY SETTING: Assessment of quality indicators during 1998 using administrative and medical records data for a cohort of 1,335 diabetic patients enrolled in three Minnesota health plans. STUDY DESIGN: Cross-sectional retrospective study assessing hemoglobin A1c testing, LDL cholesterol testing, and retinopathy screening from the two data sources. Analyses examined whether patient or clinic characteristics were associated with underdetection of quality indicators when administrative data were not supplemented with medical record data. DATA COLLECTION/EXTRACTION METHODS: The health plans provided administrative data, and trained abstractors collected medical records data. PRINCIPAL FINDINGS: Quality indicators that would be identified if administrative data were supplemented with medical records data are often not identified using administrative data alone. In adjusted analyses, older patients were more likely to have hemoglobin A1c testing underdetected in administrative data (compared to patients <45 years, OR 2.95, 95 percent CI 1.09 to 7.96 for patients 65 to 74 years, and OR 4.20, 95 percent CI 1.81 to 9.77 for patients 75 years and older). Black patients were more likely than white patients to have retinopathy screening underdetected using administrative data (2.57, 95 percent CI 1.16 to 5.70). Patients in different health plans also differed in the likelihood of having quality indicators underdetected. CONCLUSIONS: Diabetes quality indicators may be underdetected more frequently for elderly and black patients and the physicians, clinics, and plans who care for such patients when quality measurement is based on administrative data alone. This suggests that providers who care for such patients may be disproportionately affected by public release of such data or by its use in determining the magnitude of financial incentives.
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 | 0,446 | 0,715 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,007 | 0,018 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».