Derivation and Validation of a Quality Indicator of Acute Care Length of Stay to Evaluate Trauma Care
Notice bibliographique
Résumé
In Brief Objective: To derive and internally validate a quality indicator (QI) for acute care length of stay (LOS) after admission for injury. Background: Unnecessary hospital days represent an estimated 20% of total LOS implying an important waste of resources as well as increased patient exposure to hospital-acquired infections and functional decline. Methods: This study is based on a multicenter, retrospective cohort from a Canadian provincial trauma system (2005–2010; 57 trauma centers; n = 57,524). Data were abstracted from the provincial trauma registry and the hospital discharge database. Candidate risk factors were identified by expert consensus and selected for model derivation using bootstrap resampling. The validity of the QI was evaluated in terms of interhospital discrimination, construct validity, and forecasting. Results: The risk adjustment model explains 37% of the variation in LOS. The QI discriminates well across trauma centers (coefficient of variation = 0.02, 95% confidence interval: 0.011–0.028) and is correlated with the QI on processes of care (r = −0.32), complications (r = 0.66), unplanned readmissions (r = 0.38), and mortality (r = 0.35). Performance in 2005 to 2007 was predictive of performance in 2008 to 2010 (r = 0.80). Conclusions: We have developed a QI on the basis of risk-adjusted LOS to evaluate trauma care that can be implemented with routinely collected data. The QI is based on a robust risk adjustment model with good internal and temporal validity, and demonstrates good properties in terms of discrimination, construct validity, and forecasting. This QI can be used to target interventions to reduce LOS, which will lead to more efficient resource use and may improve patient outcomes after injury. We propose a quality indicator (QI) on the basis of risk-adjusted hospital length of stay to evaluate trauma care that can be implemented with routinely collected data. The QI has excellent internal and temporal validity and is correlated with QI on clinical processes and risk-adjusted mortality, readmission, and complication rates.
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) | 0,001 | 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 ».