Effect of Collaborative Care on Cost Variation in an Intensive Care Unit
Notice bibliographique
Résumé
BACKGROUND: Improving the cost-effectiveness of health care requires an understanding of the genesis of health care costs and in particular the sources of cost variation. Little is known about how multiple physicians, caring collaboratively for patients, contribute to costs. OBJECTIVE: To explore the effect of collaborative care by physicians on variation in discretionary costs in an intensive care unit (ICU) by determining the contributions of the attending intensivists and ICU fellows. METHODS: Prospective, observational study using a multivariable model of median discretionary costs for the first day in the ICU, adjusting for confounding variables. Analysis included 3514 patients who spent more than 2 hours in the ICU on the initial day. Impact of the physicians was assessed via variables representing the specific intensivist and ICU fellow responsible on the first ICU day and allowing for interaction terms. RESULTS: On the initial day, patients spent a median of 10.6 hours (interquartile range, 6.3-16.5) in the ICU, with median discretionary costs of $1343 (interquartile range, $788-2208). There was large variation in adjusted costs attributable to both the intensivists ($359; 95% CI, $244-$474) and the fellows ($756; 95% CI, $550-$965). The interaction terms were not significant (P = .12-.79). CONCLUSIONS: In an ICU care model with intensivists and subspecialty fellows, both types of physicians contributed significantly to the observed variation in discretionary costs. However, even in the presence of a hierarchical arrangement of clinical responsibilities, the influences on costs of the 2 types of physicians were independent.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».