Reduced Mortality with Hospital Pay for Performance in England
Notice bibliographique
Résumé
BACKGROUND: Pay-for-performance programs are being adopted internationally despite little evidence that they improve patient outcomes. In 2008, a program called Advancing Quality, based on the Hospital Quality Incentive Demonstration in the United States, was introduced in all National Health Service (NHS) hospitals in the northwest region of England (population, 6.8 million). METHODS: We analyzed 30-day in-hospital mortality among 134,435 patients admitted for pneumonia, heart failure, or acute myocardial infarction to 24 hospitals covered by the pay-for-performance program. We used difference-in-differences regression analysis to compare mortality 18 months before and 18 months after the introduction of the program with mortality in two comparators: 722,139 patients admitted for the same three conditions to the 132 other hospitals in England and 241,009 patients admitted for six other conditions to both groups of hospitals. RESULTS: Risk-adjusted, absolute mortality for the conditions included in the pay-for-performance program decreased significantly, with an absolute reduction of 1.3 percentage points (95% confidence interval [CI], 0.4 to 2.1; P=0.006) and a relative reduction of 6%, equivalent to 890 fewer deaths (95% CI, 260 to 1500) during the 18-month period. The largest reduction, for pneumonia, was significant (1.9 percentage points; 95% CI, 0.9 to 3.0; P<0.001), with nonsignificant reductions for acute myocardial infarction (0.6 percentage points; 95% CI, -0.4 to 1.7; P=0.23) and heart failure (0.6 percentage points; 95% CI, -0.6 to 1.8; P=0.30). CONCLUSIONS: The introduction of pay for performance in all NHS hospitals in one region of England was associated with a clinically significant reduction in mortality. As compared with a similar U.S. program, the U.K. program had larger bonuses and a greater investment by hospitals in quality-improvement activities. Further research is needed on how implementation of pay-for-performance programs influences their effects. (Funded by the NHS National Institute for Health Research.).
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 | 0,003 | 0,014 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».