MétaCan
Menu
Retour à la cohorte
Enregistrement W2345504950 · doi:10.1186/s12913-016-1418-2

Clinical characteristics and preventable acute care spending among a high cost inpatient population

2016· article· en· W2345504950 sur OpenAlexafffundabout
Paul E. Ronksley, Daniel Kobewka, Jennifer McKay, Deanna M. Rothwell, Sunita Mulpuru, Alan J. Forster

Notice bibliographique

RevueBMC Health Services Research · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensOttawa HospitalUniversity of OttawaUniversity of Calgary
Organismes subventionnairesUniversity of Ottawa
Mots-clésMedicineInpatient careAmbulatory careEmergency medicineAcute careHealth careActivity-based costingNursing researchAmbulatoryHealth administrationHealth economicsTotal costPopulationPublic healthHealth informaticsIntensive care unitMedical emergencyIntensive care medicineEnvironmental healthNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A small proportion of patients account for the majority of health care spending. The objectives of this study were to explore the clinical characteristics, patterns of health care use, and the proportion of acute care spending deemed potentially preventable among high cost inpatients within a Canadian acute-care hospital. METHODS: We identified all individuals within the Ottawa Hospital with one or more inpatient hospitalization between April 1, 2010 and March 31, 2011. Clinical characteristics and frequency of hospital encounters were captured in the information systems of the Ottawa Hospital Data Warehouse. Direct inpatient costs for each encounter were summed using case costing information and those in the upper first and fifth percentiles of the cumulative direct cost distribution were defined as extremely high cost and high cost respectively. We quantified preventable acute care spending as hospitalizations for ambulatory care sensitive conditions (ACSC) and spending attributable to difficulty discharging patients as measured by alternate level of care (ALC) status. RESULTS: During the study period, 36,892 patients had 44,066 hospitalizations. High cost patients (n = 1,844) accounted for 38 % of total inpatient spending ($122 million) and were older, more likely to be male, and had higher levels of co-morbidity compared to non-high cost patients. In over half of the high cost cohort (54 %), costs were accumulated from a single hospitalization. The majority of costs were related to nursing care and intensive care unit spending. High cost patients were more likely to have an encounter deemed to be ambulatory care sensitive compared to non-high cost inpatients (6.0 versus 2.8 %, p < 0.001). A greater proportion of inpatient spending was attributable to ALC days for high cost versus non-high cost patients (9.1 versus 4.9 %, p < 0.001). CONCLUSIONS: Within a population of high cost inpatients, the majority of costs are attributed to a single, non-preventable, acute care episode. However, there are likely opportunities to improve hospital efficiency by focusing on different approaches to community based care directed towards specific populations.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,435
Score d'incertitude au seuil0,864

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,137
Tête enseignante GPT0,441
Écart entre enseignants0,304 · 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

Citations33
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetHealthcare Policy and ManagementTravaux en français237 207