Variation in Resource Use and Readmission for Diabetic Ketoacidosis in Children’s Hospitals
Notice bibliographique
Résumé
OBJECTIVE: We sought to characterize variation in hospital resource utilization and readmission for diabetic ketoacidosis (DKA) across US children's hospitals. METHODS: The study sample included a retrospective cohort of children aged 2 to 18 years with a diagnosis of DKA at 38 children's hospitals between 2004 and 2009. The main outcomes were resource utilization as determined by total standardized cost per hospitalization, overall and non-ICU length of stay (LOS), and readmission for DKA within 30 and 365 days. RESULTS: There were 24,890 DKA admissions, and 20.3% of these were readmissions within 1 year. The mean hospital-level total standardized cost was $7142 (range $4125-$11,916). The mean hospital-level LOS was 2.5 days (1.5-3.7), and the non-ICU portion was 1.9 days (0.7-2.7). The mean hospital-level readmission within 365 days was 18.7% (6.5%-41.1%) and within 30 days was 2.5% (0.0%-7.1%). Hospital bed days overall, and in particular the non-ICU portion, accounted for the majority of the total standardized cost per hospitalization (overall 57%; non-ICU 36%) and explained most of the variation in resource use. Even after adjusting for difference in patient characteristics across hospitals, widespread differences existed across hospitals in total standardized cost, LOS, and readmission rates (P < .001). CONCLUSIONS: Readmission for DKA within a year of hospitalization is common. US children's hospitals vary widely in resource use, hospital LOS, and readmission rates for patients with DKA. Our study highlights the need for additional research to understand these differences and to identify the most cost-effective strategies for managing diabetes across the continuum of 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 | 0,000 | 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 | 0,000 | 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 ».