A meta‐analysis of hospital 30‐day avoidable readmission rates
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
RATIONALE AND OBJECTIVES: Urgent readmission to hospital is commonly used to measure hospital quality of care. Hospitals that measure the proportion of urgent readmissions judged avoidable need to know previously published rates for comparison. In this study, we generated a literature-based estimate for the proportion of 30-day urgent readmissions deemed avoidable for hospitals to use to gauge their performance in avoidable readmissions. METHODS: We searched the Medline and Embase databases to identify published studies that reported the proportion of 30-day urgent readmissions deemed avoidable. We then modelled the overall proportion of 30-day urgent readmissions deemed avoidable. RESULTS: We included 16 studies that used a wide variety of patients and a diverse range of methods to classify readmissions as avoidable. Studies reported a broad range for the proportion of urgent 30-day readmissions deemed avoidable. Overall, 848 of 3669 readmissions (23.1%, 95% confidence interval, 21.7-24.5) of 30-day urgent readmissions were classified as avoidable. This proportion varied significantly based on hospital teaching status and number of reviewers for each case [teaching hospitals: with one reviewer, 9.3% (4.2-19.3); with >1 reviewer, 21.6% (13.2-33.3); non-teaching hospital: with one reviewer, 32.2% (11.4-63.9); with >1 reviewer, 39.9% (37.6-42.2)]. Significant heterogeneity remained between studies even after clustering studies by these covariates. CONCLUSIONS: Less than one in four readmissions were deemed avoidable. Health system planners need to use caution in interpreting all cause readmission statistics as they are only partially influenced by quality 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.
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 | 0,035 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 découle