MEASURING THE RELATIONSHIP BETWEEN COSTS AND OUTCOMES: THE EXAMPLE OF ACUTE MYOCARDIAL INFARCTION IN GERMAN HOSPITALS
Notice bibliographique
Résumé
In this paper, we propose a methodological approach to measure the relationship between hospital costs and health outcomes. We propose to investigate the relationship for each condition or disease area by using patient-level data. We examine health outcomes as a function of costs and other patient-level variables by using the following: (1) two-stage residual inclusion with Murphy-Topel adjustment to address costs being endogenous to health outcomes, (2) random-effects models in both stages to correct for correlation between observation, and (3) Cox proportional hazard models in the second stage to ensure that the available information is exploited. To demonstrate its application, data on mortality following hospital treatment for acute myocardial infarction (AMI) from a large German sickness fund were used. Provider reimbursement was used as a proxy for treatment costs. We relied on the Ontario Acute Myocardial Infarction Mortality Prediction Rules as a disease-specific risk-adjustment instrument. A total of 12,284 patients with treatment for AMI in 2004-2006 were included. The results showed a reduction in hospital costs by €100 to increase the hazard of dying, that is, mortality, by 0.43%. The negative association between costs and mortality confirms that decreased resource input leads to worse outcomes for treatment after AMI.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».