Abstract 5: Another Inconvenient Truth: The Pernicious Effects of Hospital Case Volumes on the Accuracy of Hospital Report Cards
Notice bibliographique
Résumé
Background: Hospital report cards are published with increasing frequency, but their accuracy is controversial, especially when case volumes are small. Our objective was to determine the relationship between hospital case volumes and the accuracy of hospital report cards using simulation studies. Methods: Monte Carlo simulations were used in a setting such that the true hospital rankings were known with certainty and perfect risk-adjustment was possible. Parameters used to generate simulated datasets were obtained from analyses of 31,000 hospitalized AMI patients in Ontario. We varied the number of patients per hospital from 100 to 2000 in increments of 100. For each scenario we simulated 500 datasets and determined the correlation between the true hospital ranking (determined by hospital-specific random effects) and the observed ranking (determined by observed vs. expected (O-E) or predicted vs. expected (P-E) ratios). Baseline simulations used the observed 30-day AMI mortality of 11%. In sensitivity analysis we explored the impact of using a lower event rate (2% mortality) commonly associated with cardiovascular procedures. Results: Provider volume had a strong effect on the accuracy of hospital report cards. When the event rate was high (11%), provider volume had to exceed 500 before the correlation between known and observed rankings exceeded 80%, and for hospitals with 200 or fewer cases the correlation was <60% (Figure). When the event rate was low (2%), provider volume had to exceed 1200 before the correlation exceeded 80%, and for hospitals with 200 or fewer cases the correlation was <40%. Conclusions: These results highlight the substantial amount of error that occurs when profiling hospitals even in the environment of perfect risk adjustment. These random errors increase with decreasing hospital volume and decreasing event rates. Hospital report cards display acceptable levels of accuracy only when provider volumes exceed those seen in many 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 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 | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».