MétaCan
Menu
Retour à la cohorte
Enregistrement W2096369585 · doi:10.1177/1527154412443990

Joint Commission Accreditation and Quality Measures in U.S. Nursing Homes

2012· article· en· W2096369585 sur OpenAlexaff
Laura M. Wagner, Shawna M. McDonald, Nicholas G. Castle

Notice bibliographique

RevuePolicy Politics & Nursing Practice · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensUniversity of Toronto
Organismes subventionnairesAgency for Healthcare Research and QualityNational Institutes of Health
Mots-clésAccreditationCommissionNursingMedicineQuality (philosophy)Quality managementMinimum Data SetNursing homesFamily medicineMedical educationBusiness

Résumé

récupéré en direct d'OpenAlex

This study examines the association between accreditation and select measures of quality in U.S. nursing homes, both cross-sectionally and over time. Data analyzed in this research originated from a web-based search of The Joint Commission (TJC) accredited facilities and the Nursing Home Compare set of Quality Measures relating to physical restraint use, pain management, urinary catheter use, and pressure sores. Five-Star Nursing Home Quality Rating System information was also used to calculate overall quality measure and health inspection scores. Data were analyzed using negative binomial regression. Comparing quality in the year before accreditation with the 1st year after accreditation, all five Quality Measures and both Five-Star categories demonstrated improvement. In comparing quality after 8 years of accreditation, three of the Quality Measures examined continued to improve. There were no cases where accreditation was associated with decreased quality. These results indicate that TJC accredited nursing homes improve their quality immediately after accreditation but do not continue to improve in all areas over time.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,022
score de la tête « metaresearch » (Gemma)0,104
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,117

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,104
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,010
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,165
Tête enseignante GPT0,531
Écart entre enseignants0,365 · 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 source (Gemma direct ou Codex distillé), 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

Citations30
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolicy Politics & Nursing PracticeMême sujetGeriatric Care and Nursing HomesTravaux en français237 207