Derivation and validation of a quality indicator for 30-day unplanned hospital readmission to evaluate trauma care
Notice bibliographique
Résumé
BACKGROUND: Unplanned readmissions represent 20% of all admissions and cost $12 billion annually in the United States. Despite the burden of injuries for the health care system, no quality indicator (QI) based on readmissions is available to evaluate trauma care. The objective of this study was to derive and internally validate a QI for a 30-day unplanned hospital readmission to evaluate trauma care. METHODS: We performed a multicenter retrospective cohort study in a Canadian integrated provincial trauma system. We included adults admitted to any of the 57 provincial trauma centers between 2005 and 2010 (n = 57,524). Data were abstracted from the provincial trauma registry and linked to the hospital discharge database. The primary outcome was unplanned readmission to an acute care hospital within 30 days of discharge. Candidate risk factors were identified by expert consensus and selected for derivation of the risk adjustment model using bootstrap resampling. The validity of the QI was evaluated in terms of interhospital discrimination, construct validity, and forecasting. RESULTS: The risk adjustment model includes patient age, sex, the Injury Severity Score (ISS), region of the most severe injury, and 11 comorbid conditions. The QI discriminates well across trauma centers (coefficient of variation, 0.02) and is correlated with QIs that measure hospital performance in terms of clinical processes (r = -0.38), risk-adjusted mortality (r = 0.32), and complication rates (r = 0.38). In addition, performance in 2005 to 2007 was predictive of performance in 2008 to 2010 (r = 0.59). CONCLUSION: We have developed a QI based on risk-adjusted 30-day rates of unplanned readmission, which can be used to evaluate trauma care with routinely collected data. The QI is based on a comprehensive risk adjustment model with good internal and temporal validity and demonstrates good properties in terms of discrimination, construct validity, and forecasting. This research represents an essential step toward reducing unplanned readmission rates to improve resource use and patient outcomes following injury. LEVEL OF EVIDENCE: Prognostic study, level III.
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 | 0,001 | 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 | 0,000 | 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 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 ».