Variation in length of stay within and between hospitals
Notice bibliographique
Résumé
Background and objective: Variation in the delivery of health care services and the lack of association between greater utilization and higher quality care signal inefficient, low value care. The extent to which patient and hospital variables can explain variation in hospital length of stay is unclear. Methods: We examined hospital inpatient length of stay using data from 684 hospitals and 5.4 million discharges in the 2007 Healthcare Cost and Utilization Project’s Nationwide Inpatient Sample. We used a mixed effects model with a random effect for hospitals to quantify variation in length of stay due to differences within and between hospitals. Results: The interquartile range of hospital mean LOS was 3.4 days (3.3-6.7). Fifty-nine percent of the overall variation in length of stay remained unexplained after adjustment for discharge-level disease status, illness-severity, regional poverty, hospital-level contextual factors (e.g. proportion of patients from low-income ZIP-codes, proportion uninsured), and structural variables (e.g. teaching status, urban or rural location). Seventy-seven percent of the explainable variation was due to differences between hospitals. Conclusion: These findings indicate that wide variability in length of stay persists after adjustment for patient and hospital variables, signaling an opportunity for improved productivity and efficiency in the delivery of health 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 | 0,001 | 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 | 0,000 | 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 ».