Administrative Data Feedback for Effective Cardiac Treatment
Notice bibliographique
Résumé
CONTEXT: Hospital report cards are increasingly being implemented for quality improvement despite lack of strong evidence to support their use. OBJECTIVE: To determine whether hospital report cards constructed using linked hospital and prescription administrative databases are effective for improving quality of care for acute myocardial infarction (AMI). DESIGN: The Administrative Data Feedback for Effective Cardiac Treatment (AFFECT) study, a cluster randomized trial. SETTING AND PATIENTS: Patients with AMI who were admitted to 76 acute care hospitals in Quebec that treated at least 30 AMI patients per year between April 1, 1999, and March 31, 2003. INTERVENTION: Hospitals were randomly assigned to receive rapid (immediate; n = 38 hospitals and 2533 patients) or delayed (14 months; n = 38 hospitals and 3142 patients) confidential feedback on quality indicators constructed using administrative data. MAIN OUTCOME MEASURES: Quality indicators pertaining to processes of care and outcomes of patients admitted between 4 and 10 months after randomization. The primary indicator was the proportion of elderly survivors of AMI at each study hospital who filled a prescription for a beta-blocker within 30 days after discharge. RESULTS: At follow-up, adjusted prescription rates within 30 days after discharge were similar in the early vs late groups (for beta-blockers, odds ratio [OR], 1.06; 95% confidence interval [CI], 0.82-1.37; for angiotensin-converting enzyme inhibitors, OR, 1.17; 95% CI, 0.90-1.52; for lipid-lowering drugs, OR, 1.14; 95% CI, 0.86-1.50; and for aspirin, OR, 1.05; 95% CI, 0.84-1.33). In addition, adjusted mortality was similar in both groups, as were length of in-hospital stay, physician visits after discharge, waiting times for invasive cardiac procedures, and readmissions for cardiac complications. CONCLUSIONS: Feedback based on one-time, confidential report cards constructed using administrative data is not an effective strategy for quality improvement regarding care of patients with AMI. A need exists for further studies to rigorously evaluate the effectiveness of more intensive report card interventions.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 | 0,001 |
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 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 ».