Comparing methods to calculate hospital-specific rates of early death or urgent readmission
Notice bibliographique
Résumé
BACKGROUND: Hospital readmissions are important patient outcomes that can be accurately captured with routinely collected administrative data. Hospital-specific readmission rates have been reported as a quality-of-care indicator. However, the extent to which these measures vary with different calculation methods is uncertain. METHODS: We identified all discharges from Ontario hospitals from 2005 to 2010 and determined whether patients died or were urgently readmitted within 30 days. For each hospital, we calculated 4 distinct observed-to-expected ratios, estimating the expected number of events using different adjustments for confounders (age and sex v. complete) and different units of analysis (all admissions v. single admission per patient). RESULTS: We included 3 148 648 admissions to hospital for 1 802 704 patients in 162 hospitals. Ratios adjusted for age and sex alone had the greatest variation. Within hospitals, ranges of the 4 ratios averaged 31% of the overall estimate. Readmission ratios adjusted for age and sex showed the lowest correlation (Spearman correlation coefficient 0.48-0.68). Hospital rankings based on the different measures had an average range of 47.4 (standard deviation 32.2) out of 162. INTERPRETATION: We found notable variation in rates of death or urgent readmission within 30 days based on the extent of adjustment for confounders and the unit of analysis. Slight changes in the methods used to calculate hospital-specific readmission rates influence their values and the consequent rankings of hospitals. Our results highlight the caution required when comparing hospital performance using rates of death or urgent readmission within 30 days.
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 | 0,160 | 0,390 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,010 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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; 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 ».