Benchmarking trauma center performance in traumatic brain injury
Notice bibliographique
Résumé
BACKGROUND: Trauma centers (TCs) generally use mortality to gauge performance. However, differences in mortality outcomes might reflect different approaches or philosophies toward end-of-life care. We postulate that discharge home (DH) as a proxy for functional outcome may be a more useful measure of quality and may have significant implications on the assessment of TC performance and external benchmarking efforts. METHODS: Data were derived from the National Trauma Data Bank (2007-2009). We included patients (18 years or older) with isolated, severe blunt head injuries who were admitted to Level I and Level II TCs. Observed-to-expected (O/E) mortality ratios were calculated and used to rank TC performance by mortality and then DH. Concordance between performance measures was calculated using a weighted kappa statistic. RESULTS: In total, 19,705 patients in 240 TCs were identified. Crude mortality ranged from 4% to 60%, whereas rates of DH ranged from 3% to 66%. When O/E ratios for mortality were evaluated, five centers were identified as high performers. Of these five centers, only two were also high performers for DH. The concordance of outlier status and correlation across O/E ratios between mortality and DH high performers was 0.16 (poor). CONCLUSION: Centers that are characterized as high performers when evaluating mortality are not high performers for functional outcome as evaluated by DH. DH may provide an alternative way of assessing quality of care delivered to patients with traumatic brain injury. LEVEL OF EVIDENCE: Care management study, level III.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».