MétaCan
Menu
Retour à la cohorte
Enregistrement W2140554383 · doi:10.1016/j.healthpol.2013.07.010

British Columbia's pay-for-performance experiment: Part of the solution to reduce emergency department crowding?

2013· article· en· W2140554383 sur OpenAlexaffabout
Amy Cheng, Jason M. Sutherland

Notice bibliographique

RevueHealth Policy · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueEmergency and Acute Care Studies
Établissements canadiensUniversity of British ColumbiaRoyal Columbian Hospital
Organismes subventionnairesnon disponible
Mots-clésEmergency departmentOvercrowdingIncentivePay for performanceIncentive programHealth departmentMedicineCrowdingMedical emergencyBusinessPublic healthPsychologyEconomicsNursingEconomic growth

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Emergency department (ED) overcrowding continues to be a well-publicized problem in a number of countries. In British Columbia, a province in Canada, an ED pay-for-performance (ED P4P) program was initiated in 2007 to create financial incentives for hospitals to reduce patients' ED length of stay (ED LOS). This study's objectives are to determine if the ED P4P program is associated with decreases in ED LOS, and to address the ED P4P program's limitations. METHODS: We analyze monthly hospital-level ED LOS time data since the inception of the financial incentives. Since the ED P4P program was phased in at different hospitals from different health authorities over time, hospitals' data from only two regional health authorities are included in the study. RESULTS: We find association between the implementation of ED P4P and ED LOS time data. However, due to the lack of control data, the findings cannot demonstrate causality. Furthermore, our findings are from hospitals in the greater Vancouver area only. INTERPRETATION: BC's ED P4P was introduced to create incentives for hospitals to reduce ED LOS by providing incremental incentive funding. Available data indicate that the ED P4P program is associated with mixed successes in reducing ED LOS among participating hospitals.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,432
Score d'incertitude au seuil0,965

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,359
Écart entre enseignants0,326 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth PolicyMême sujetEmergency and Acute Care StudiesTravaux en français237 207