MétaCan
Menu
Retour à la cohorte
Enregistrement W2085282412 · doi:10.1097/00005650-200201000-00008

Factoring Socioeconomic Status Into Cardiac Performance Profiling for Hospitals

2002· article· en· W2085282412 sur OpenAlexaffabout
David A. Alter, Peter C. Austin, C. David Naylor, Jack V. Tu

Notice bibliographique

RevueMedical Care · 2002
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensUniversity of TorontoInstitute for Clinical Evaluative Sciences
Organismes subventionnairesnon disponible
Mots-clésSocioeconomic statusMedicineDemographyPercentileMyocardial infarctionInternal medicineEnvironmental healthPopulation

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Critics of "scorecard medicine" often highlight the incompleteness of risk-adjustment methods used when accounting for baseline patient differences. Although socioeconomic status is a highly important determinant of adverse outcome for patients admitted to the hospital with acute myocardial infarction, it has not been used in most risk-adjustment models for cardiovascular report cards. OBJECTIVES: To determine the incremental impact of socioeconomic status adjustments on age, sex, and illness severity for hospital-specific 30-day mortality rates after acute myocardial infarction. METHODS: The authors compared the absolute and relative hospital-specific 30-day acute myocardial infarction mortality rates in 169 hospitals throughout Ontario between April 1, 1994 and March 31, 1997. Patient socioeconomic status was characterized by median neighborhood income using postal codes and 1996 Canadian census data. They examined two risk-adjustment models: the first adjusted for age, sex, and illness severity (standard), whereas the second adjusted for age, sex, illness severity, and median neighborhood income level (socioeconomic status). RESULTS: There was an extremely strong correlation between 'standard' and 'socioeconomic status' risk-adjusted mortality rates (r = 0.99). Absolute differences in 30-day risk-adjusted mortality rates between the socioeconomic status and standard risk-adjustment models were small (median, 0.1%; 25th-75th percentile, 0.1-0.2). The agreement in the quintile rankings of hospitals between the socioeconomic status and standard risk-adjustment models was high (weighted kappa = 0.93). CONCLUSION: Despite its importance as a determinant of patient outcomes, the effect of socioeconomic status on hospital-specific mortality rates over and above standard risk-adjustment methods for acute myocardial infarction hospital profiling in Ontario was negligible.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,855
Score d'incertitude au seuil0,898

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,333
Écart entre enseignants0,309 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical CareMême sujetHealth disparities and outcomesTravaux en français237 207