Failure to Rescue in Safety-Net Hospitals
Notice bibliographique
Résumé
IMPORTANCE: Failure to rescue (FTR), the mortality rate among surgical patients with complications, is an emerging quality indicator. Hospitals with a high safety-net burden, defined as the proportion of patients covered by Medicaid or uninsured, provide a disproportionate share of medical care to vulnerable populations. Given the financial strains on hospitals with a high safety-net burden, availability of clinical resources may have a role in outcome disparities. OBJECTIVES: To assess the association between safety-net burden and FTR and to evaluate the effect of clinical resources on this relationship. DESIGN, SETTING, AND PARTICIPANTS: A retrospective cohort of 46,519 patients who underwent high-risk inpatient surgery between January 1, 2007, and December 31, 2010, was assembled using the Nationwide Inpatient Sample. Hospitals were divided into the following 3 safety-net categories: high-burden hospitals (HBHs), moderate-burden hospitals (MBHs), and low-burden hospitals (LBHs). Bivariate and multivariate analyses controlling for patient, procedural, and hospital characteristics, as well as clinical resources, were used to evaluate the relationship between safety-net burden and FTR. MAIN OUTCOMES AND MEASURES: FTR. RESULTS: Patients in HBHs were younger (mean age, 65.2 vs 68.2 years; P = .001), more likely to be of black race (11.3% vs 4.2%, P < .001), and less likely to undergo an elective procedure (39.3% vs 48.6%, P = .002) compared with patients in LBHs. The HBHs were more likely to be large, major teaching facilities and to have high levels of technology (8.6% vs 4.0%, P = .02), sophisticated internal medicine (7.7% vs 4.3%, P = .10), and high ratios of respiratory therapists to beds (39.7% vs 21.1%, P < .001). However, HBHs had lower proportions of registered nurses (27.9% vs 38.8%, P = .02) and were less likely to have a positron emission tomographic scanner (15.4% vs 22.0%, P = .03) and a fully implemented electronic medical record (12.6% vs 17.8%, P = .03). Multivariate analyses showed that HBHs (adjusted odds ratio, 1.35; 95% CI, 1.19-1.53; P < .001) and MBHs (adjusted odds ratio, 1.15; 95% CI, 1.05-1.27; P = .005) were associated with higher odds of FTR compared with LBHs, even after adjustment for clinical resources. CONCLUSIONS AND RELEVANCE: Despite access to resources that can improve patient rescue rates, HBHs had higher odds of FTR, suggesting that availability of hospital clinical resources alone does not explain increased FTR 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».