Developing a dashboard to help measure and achieve the triple aim: a population-based cohort study
Notice bibliographique
Résumé
BACKGROUND: Health system planners aim to pursue the three goals of Triple Aim: 1) reduce health care costs; 2) improve population health; and 3) improve the care experience. Moreover, they also need measures that can reliably predict future health care needs in order to manage effectively the health system performance. Yet few measures exist to assess Triple Aim and predict future needs at a health system level. The purpose of this study is to explore the novel application of a case-mix adjustment method in order to measure and help improve the Triple Aim of health system performance. METHODS: We applied a case-mix adjustment method to a population-based analysis to assess its usefulness as a measure of health system performance and Triple Aim. The study design was a retrospective, cohort study of adults from Ontario, Canada using administrative databases: individuals were assigned a predicted illness burden score using a case-mix adjustment system from diagnoses and health utilization data in 2008, and then followed forward to assess the actual health care utilization and costs in the following year (2009). We applied the Johns Hopkins Adjusted Clinical Group (ACG) Case-Mix System to categorize individuals into 60 levels of healthcare need, called ACGs. The outcomes were: 1) Number of individuals per ACG; 2) Total system costs per ACG; and 3) Mean cost per person per ACG, which together formed a health system "dashboard". RESULTS: We identified 11.4 million adults. 16.1% were aged 65 or older, 3.2 million (28%) did not use health care services that year, and 45,000 (0.4%) were in the highest acuity ACG category using 12 times more than an average adult. The sickest 1%, 5% and 15% of the population use about 10%, 30% and 50% of total health system costs respectively. The dashboard measures 2 dimensions of Triple Aim: 1) reduced costs: when total system costs per ACG or when average costs per person is reduced; and 2) improved population health: when more people move into healthier rather than sicker ACGs. It can help to achieve the third aim, improved care experience, when ACG utilization predictions are reported to providers to proactively develop care plans. CONCLUSIONS: The dashboard, developed via case-mix methods, measures 2 of the Triple Aim goals and can help health system planners better manage their health delivery systems.
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 | 0,010 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,001 | 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 ».