Sampling Error Can Significantly Affect Measured Hospital Financial Performance of Surgeons and Resulting Operating Room Time Allocations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
UNLABELLED: Hospitals with limited operating room (OR) hours, those with intensive care unit or ward beds that are always full, or those that have no incremental revenue for many patients need to choose which surgeons get the resources. Although such decisions are based on internal financial reports, whether the reports are statistically valid is not known. Random error may affect surgeons' measured financial performance and, thus, what cases the anesthesiologists get to do and which patients get to receive care. We tested whether one fiscal year of surgeon-specific financial data is sufficient for accurate financial accounting. We obtained accounting data for all outpatient or same-day-admit surgery cases during one fiscal year at an academic medical center. Linear programming was used to find the mix of surgeons' OR time allocations that would maximize the contribution margin or minimize variable costs. Confidence intervals were calculated on these end points by using Fieller's theorem and Monte-Carlo simulation. The 95% confidence intervals for increases in contribution margins or reductions in variable costs were 4.3% to 10.8% and 6.0% to 8.9%, respectively. As many as 22% of surgeons would have had OR time reduced because of sampling error. We recommend that physicians ask for and OR managers get confidence intervals of end points of financial analyses when making decisions based on them. IMPLICATIONS: The common approach of using one fiscal year of perioperative accounting data can be insufficient to prevent random error from influencing important management decisions. When accounting data are used for hospital and operating room management decision making, confidence intervals should be calculated for the key financial variables (e.g., variable cost per hour of operating room time).
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.
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 | 0,001 |
| 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 | 0,002 | 0,000 |
| 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 découle