Using Data to Improve Quality: the Pediatric Cardiac Care Consortium
Notice bibliographique
Résumé
A program to collect and analyze cardiac catheterization, electrophysiologic studies and cardiac operations in children was initiated in 1982. The purpose was to help centers compare their experience and outcomes with a group of centers to determine areas where their performance might improve. Cardiac centers became members of the Pediatric Cardiac Care Consortium and submitted demographic data and copies of procedure reports regularly to a central office. Data were extracted from the reports, coded by trained coders and entered into a computer database. Annually, the data were analyzed to compare the experience of an individual center with that of the entire group of centers. The annual data were adjusted for severity on the basis of eight factors selected after discussion with participants in the Consortium. Adjustment was by multivariate analysis. Reports were prepared for each center and distributed at an annual meeting. The data were used by centers to review operations where the mortality rate exceeded +2 standard deviations of the group. With discussion, the center staff often initiated changes to improve outcome. The outcome could then be monitored by the annual reports. Our data were also utilized in the creation of the Risk Adjustment for Surgery for Congenital Heart Disease (RACHS)-1 categories of disease severity. The mortality rates of our centers were comparable with the combined hospital discharge data from New York, Massachusetts, and California. From 1982 through 2007, the mortality rates of our centers dropped for each RACHS-1 category, falling to less than 1% for categories 1 and 2 for the last 5-year period. During the 25 years, we received data from 52 centers about 137 654 patients who underwent 117 756 cardiac operations.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».