Can Composite Measures Provide a Different Perspective on Provider Performance Than Individual Measures?
Notice bibliographique
Résumé
BACKGROUND: Composite measures, which aggregate performance on individual measures into a summary score, are increasingly being used to evaluate facility performance. There is little understanding of the unique perspective that composite measures provide. OBJECTIVE: To examine whether high/low (ie, high or low) performers on a composite measures are also high/low performers on most of the individual measures that comprise the composite. METHODS: We used data from 2 previous studies, one involving 5 measures from 632 hospitals and one involving 28 measures from 112 Veterans Health Administration (VA) nursing homes; and new data on hospital readmissions for 3 conditions from 131 VA hospitals. To compare high/low performers on a composite to high/low performers on the component measures, we used 2-dimensional tables to categorize facilities into high/low performance on the composite and on the individual component measures. RESULTS: In the first study, over a third of the 162 hospitals in the top quintile based on the composite were in the top quintile on at most 1 of the 5 individual measures. In the second study, over 40% of the 27 high-performing nursing homes on the composite were high performers on 8 or fewer of the 28 individual measures. In the third study, 20% of the 61 low performers on the composite were low performers on only 1 of the 3 individual measures. CONCLUSIONS: Composite measures can identify as high/low performers facilities that perform "pretty well" (or "pretty poorly") across many individual measures but may not be high/low performers on most of them.
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 | 0,036 | 0,137 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,007 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».