Evaluating claims-based indicators of the intensity of end-of-life cancer care
Notice bibliographique
Résumé
OBJECTIVE: To evaluate measures that could use existing administrative data to assess the intensity of end-of-life cancer care. METHODS: Benchmarking standards and statistical variation were evaluated using Medicare claims of 48,906 patients who died from cancer from 1991 through 1996 in 11 regions of the United States. We assessed accuracy by comparing administrative data to 150 medical records in one hospital and affiliated cancer treatment center. RESULTS: Systems not providing overly aggressive care near the end of life would be ones in which less than 10% of patients receive chemotherapy in the last 14 days of life, less than 2% start a new chemotherapy regimen in the last 30 days of life, less than 4% have multiple hospitalizations or emergency room visits or are admitted to the intensive care unit (ICU) in the last month of life, and less than 17% die in an acute care institution. At least 55% of patients would receive hospice services before death from cancer, and less than 8% of those would be admitted to hospice within only 3 days of death. All measures were found to have accuracy ranging from 85 to 97% and 2- to 5-fold adjusted variability between the 5th and 95th percentiles of performance. CONCLUSIONS: The usefulness of these measures will depend on whether the concept of intensity of care near death can be further validated as an acceptable and important quality issue among patients, their families, health care providers, and other stakeholders in oncology.
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 | 0,040 | 0,154 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».