MétaCan
Menu
Retour à la cohorte
Enregistrement W2166394242 · doi:10.1371/journal.pone.0109975

Activity-Based Funding of Hospitals and Its Impact on Mortality, Readmission, Discharge Destination, Severity of Illness, and Volume of Care: A Systematic Review and Meta-Analysis

2014· review· en· W2166394242 sur OpenAlexafffund
Karen S. Palmer, Thomas Agoritsas, Danielle Martin, Taryn Scott, Sohail Mulla, Ashley Miller, Arnav Agarwal, Andrew Bresnahan, Afeez Abiola Hazzan, Rebecca Jeffery, Arnaud Merglen, Ahmed Negm, Reed Siemieniuk, Neera Bhatnagar, Irfan A. Dhalla, John N. Lavis, John J. You, Stephen Duckett, Gordon Guyatt

Notice bibliographique

RevuePLoS ONE · 2014
Typereview
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensSt. Michael's HospitalHealth Sciences CentreSunnybrook Health Science CentreHospital for Sick ChildrenMemorial University of NewfoundlandMcMaster UniversityWomen's College HospitalSickKids FoundationDalhousie UniversityUniversity of TorontoSimon Fraser University
Organismes subventionnairesCanadian Institutes of Health ResearchSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Science Foundation
Mots-clésMedicineCINAHLMeta-analysisMEDLINESystematic reviewHealth careAcute careEmergency medicineFamily medicineIntensive care medicinePsychological interventionNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Activity-based funding (ABF) of hospitals is a policy intervention intended to re-shape incentives across health systems through the use of diagnosis-related groups. Many countries are adopting or actively promoting ABF. We assessed the effect of ABF on key measures potentially affecting patients and health care systems: mortality (acute and post-acute care); readmission rates; discharge rate to post-acute care following hospitalization; severity of illness; volume of care. METHODS: We undertook a systematic review and meta-analysis of the worldwide evidence produced since 1980. We included all studies reporting original quantitative data comparing the impact of ABF versus alternative funding systems in acute care settings, regardless of language. We searched 9 electronic databases (OVID MEDLINE, EMBASE, OVID Healthstar, CINAHL, Cochrane CENTRAL, Health Technology Assessment, NHS Economic Evaluation Database, Cochrane Database of Systematic Reviews, and Business Source), hand-searched reference lists, and consulted with experts. Paired reviewers independently screened for eligibility, abstracted data, and assessed study credibility according to a pre-defined scoring system, resolving conflicts by discussion or adjudication. RESULTS: Of 16,565 unique citations, 50 US studies and 15 studies from 9 other countries proved eligible (i.e. Australia, Austria, England, Germany, Israel, Italy, Scotland, Sweden, Switzerland). We found consistent and robust differences between ABF and no-ABF in discharge to post-acute care, showing a 24% increase with ABF (pooled relative risk = 1.24, 95% CI 1.18-1.31). Results also suggested a possible increase in readmission with ABF, and an apparent increase in severity of illness, perhaps reflecting differences in diagnostic coding. Although we found no consistent, systematic differences in mortality rates and volume of care, results varied widely across studies, some suggesting appreciable benefits from ABF, and others suggesting deleterious consequences. CONCLUSIONS: Transitioning to ABF is associated with important policy- and clinically-relevant changes. Evidence suggests substantial increases in admissions to post-acute care following hospitalization, with implications for system capacity and equitable access to care. High variability in results of other outcomes leaves the impact in particular settings uncertain, and may not allow a jurisdiction to predict if ABF would be harmless. Decision-makers considering ABF should plan for likely increases in post-acute care admissions, and be aware of the large uncertainty around impacts on other critical 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 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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,780
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0140,001
Bibliométrie0,0000,001
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 Opus0,213
Tête enseignante GPT0,466
Écart entre enseignants0,253 · 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.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations128
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetPrimary Care and Health OutcomesTravaux en français237 207