Does Higher Spending Improve Survival Outcomes for Myocardial Infarction? Examining the Cost‐Outcomes Relationship Using Time‐Varying Covariates
Notice bibliographique
Résumé
OBJECTIVES: Previous patient-level acute myocardial infarction (AMI) research has found higher hospital spending to be associated with improved survival; however, survivor-treatment selection bias traditionally has been overlooked. The purpose of this study was to examine the AMI cost-outcome relationship, taking into account this form of bias. DATA SOURCES: Hospital Discharge Abstract data tracked costs for AMI hospitalizations. Ontario Vital Statistics data tracked patient mortality. STUDY DESIGN: A standard Cox survival model was compared to an extended Cox model using hospital costs as a time-varying covariate to examine the impact of cost on 1-year survival in a cohort of 30,939 first-time AMI patients in Ontario, Canada, from 2007 to 2010. PRINCIPAL FINDINGS: Higher patient-level AMI spending decreased the hazard of dying (Standard Model: log-cost hazard ratio: 0.513, 95 percent CI: 0.479-0.549; Extended Model: log-cost hazard ratio: 0.700, 95 percent CI: 0.645-0.758); however, the protective effect was overestimated by 62 percent when survivor-treatment bias was overlooked. In the extended model, a 10 percent increase in spending was associated with a 3.6 percent decrease in hazard of death. CONCLUSION: The findings of this study suggest that if survivor-treatment bias is overlooked, future research may materially overstate the protective effect of patient-level spending on outcomes.
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 | 0,019 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,004 |
| 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 ».