The Impact of a Skilled Nursing Facility on the Cost of Surgical Treatment of Major Head and Neck Tumors
Notice bibliographique
Résumé
BACKGROUND: The finite resources available for health care and the proliferation of managed care in the United States have forced the head and neck surgeon to critically evaluate the cost of tumor treatment. OBJECTIVE: To determine whether the cost of treating patients with head and neck tumors would be reduced if the patients were to spend a portion of what would otherwise be acute care hospital days in a hospital-based skilled nursing facility (HB/SNF). DESIGN: Retrospective cost-benefit analysis. SETTING: Tertiary referral center. PATIENTS: Twenty-four consecutive hospital admissions for definitive surgical treatment of head and neck tumors were retrospectively reviewed. The postoperative day on which the patient theoretically could have been transferred to the HB/SNF was determined. The charges and cost of each patient's actual hospital stay were compared with the theoretical counterparts had the patient been transferred to the HB/SNF on the determined day. MAIN OUTCOME MEASURE: Cost savings. RESULTS: The total hospital stay for the 24 patients was 524 days. One hundred eighty-two of those days could have been spent in the HB/SNF. The total charge and cost savings with the use of an HB/SNF were $201,045 and $84,238, respectively (15% of the total charge and cost). This represents an average charge and cost savings of $8377 and $3510, respectively, per patient. The difference was statistically significant (P<.005). CONCLUSION: An HB/SNF could reduce the cost of head and neck tumor treatment without compromising patient care.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».