Ranking of Trauma Center Performance: The Bare Essentials
Notice bibliographique
Résumé
BACKGROUND: Evaluation of trauma center performance has been limited to comparisons of observed versus expected mortality using trauma and injury severity score methodology. Few studies have focused on identifying top performers. In part, this is due to the perceived need for extensive data required to adequately risk adjust. We set out to identify the patient and injury-related factors that most affect case-mix across centers and thus are most likely to alter assessments of hospital performance. METHODS: One hundred ninety trauma centers contributing data to the National Trauma Databank (NTDB) during 2004 to 2005 were used for hospital rankings (n = 169,929 patients). Trauma centers were ranked by crude mortality. We then added variables [injury severity score {ISS}, systolic blood pressure {SBP}, mechanism, age, gender, comorbidities, body region abbreviated injury scale {AIS}] singly to a risk-adjustment model to obtain adjusted probability of death. Trauma centers were then ranked again. The variable that affected rankings the greatest was kept and the process was repeated in an iterative fashion until the incremental change in ranks was minimal. RESULTS: ISS accounted for the most variation in mortality rates across trauma centers, shown by the large rank change with addition of ISS to the model. Specifically, when ISS was taken into consideration, 92% of trauma centers changed their rank by >/=3 and almost half their quartile rank by at least 1. In lesser order of importance, age, SBP, head AIS, mechanism, gender, and abdominal AIS were relevant to adjust for case mix. CONCLUSIONS: Trauma center rankings are affected by few parameters, reflecting their relationship to mortality and their relative frequencies. Complex risk adjustment methodology is not required to address differences in case mix. Data abstraction for the purpose of comparing trauma center performance should focus on ensuring that at minimum, these variables are collected with a high degree of accuracy.
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 | 0,075 | 0,220 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,010 | 0,011 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».