MétaCan
Menu
← Retour à la cohorte
Enregistrement W2282234988

One Year Treatment Costs of Trauma Care

2007· article· en· W2282234988 sur OpenAlexaff
Sharada Weir, David S. Salkever, Frederick P. Rivara, Gregory J. Jurkovich, Avery B. Nathens, Ellen J. MacKenzie

Notice bibliographique

RevueSSRN Electronic Journal · 2007
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineAcute careEmergency medicineTrauma centerRehabilitationHealth carePopulationMedical emergencyPhysical therapyRetrospective cohort studyEnvironmental healthSurgery
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Injuries have been estimated to account for approximately 10% of total U.S. medical expenditures. Data from the National Study on the Costs and Outcomes of Trauma (NSCOT) were used to develop a better understanding of the nature of these expenditures for a subgroup of moderately severe and severe injuries. Specifically, we present estimates of the treatment costs of trauma care in the acute setting (the index hospitalization for trauma) and for 12 months following injury. The NSCOT team recruited patients from 18 hospitals with a level 1 trauma center and 51 non-trauma center hospitals located in 14 states in several regions of the country. Patients 18 to 84 years old with a moderate-to-severe injury discharged between July 2001 and November 2002 were eligible. Complete data were obtained for 1104 patients who died in the hospital and 4087 patients who were discharged alive. Analyses employ data weighted to the population of eligible patients to adjust for the sampling protocol, whereby all deaths were included but live discharges were sampled, and to account for the fact that not all cases selected for inclusion were enrolled. Acute and post-acute costs of care were estimated from a combination of data sources: UB92 hospital bills (acute hospitalization), purpose-designed patient surveys conducted at 3- and 12-months post-injury (post-acute health services utilization across settings), and for the elderly sample, Medicare claims (both acute and post-acute utilization across settings). We have data on inpatient stays (acute, rehabilitation and skilled nursing facilities), outpatient physical and occupational therapy, other outpatient care (outpatient hospital care, PCP visits, etc.), home health, and informal care provided by family members. Inpatient charges were stepped down to costs by matching revenue center data from hospital bills with cost-to-charge ratios from the hospital's Medicare Cost Report at the cost department level. Inpatient costs were adjusted using regional wage and capital indexes. Where Medicare claims were available, outpatient costs were estimated as allowed charges. Unit cost estimates were computed from Medstat's MarketScan commercial database, Medicare Cost Reports, AHA data and other sources. All costs are expressed as constant 2005 dollars using appropriate price indices (e.g., Hospital PPI, Nursing Care Facility PPI, Professional Services Component of the CPI for Medical Care). We will present additional detail on our cost estimation methodology. Estimates of treatment costs will be presented by acute versus post-acute care, discharge disposition (hospital death vs. live discharge), age cohort, and type and severity of injury. Finally, we employ national estimates on incidence of traumatic injuries from AHRQ's Health Cost and Utilization Project (HCUP) database to arrive at an estimate of the annual cost of treating major trauma in the United States.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,034
Tête enseignante GPT0,273
Écart entre enseignants0,239 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic Journal→Même sujetHealthcare Policy and Management→Travaux en français237 207→