The Impact of Under Coding of Cardiac Severity and Comorbid Diseases on the Accuracy of Hospital Report Cards
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
CONTEXT: Hospital report cards usually are based on administrative discharge abstracts. However, cardiac severity and comorbidities generally are under-reported in administrative data. OBJECTIVE: We sought to determine how undercoding of cardiac severity and comorbidities affects the determination that some hospitals are high-mortality outliers. DESIGN: Simulations using retrospective data on 18,795 patients admitted with an acute myocardial infarction (AMI) to 109 acute care hospitals in Ontario. MAIN OUTCOME MEASURE: Change in the number of hospitals that remained high-mortality outliers after adjusting for potentially increased prevalence of as many as 9 separate measures of cardiac severity and comorbid conditions, individually or together. RESULTS: For most measures of cardiac severity and comorbidities, increasing the prevalence of each factor to the highest observed hospital-specific prevalence seldom altered the status of high-mortality outlier hospitals. Increases in the prevalence of cardiogenic shock or acute renal failure to even the median level led to reclassification of up to 4 of the 12 high-mortality outlier hospitals to nonoutlier status. Most high-mortality outlier hospitals were reclassified if the maximum prevalence was imputed for these 2 factors. Simultaneously increasing the prevalence of all comorbidities to the median level typically converted the status of about half the outlier hospitals. Not until the prevalence of all measures of cardiac severity and comorbidities were simultaneously increased to the maximum observed hospital-specific prevalence, did all hospitals initially classified as high-mortality outliers revert to nonoutlier status. CONCLUSIONS: Undercoding of severity and comorbidities in administrative data in itself is very unlikely to account for the outlier status of most hospitals. However, some potential for misclassification of individual institutions exists if influential factors are variably coded.
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 | 0,007 |
| 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 | 0,001 |
| 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