Association between the Value-Based Purchasing pay for performance program and patient mortality in US hospitals: observational study
Notice bibliographique
Résumé
OBJECTIVE: To determine the impact of the Hospital Value-Based Purchasing (HVBP) program-the US pay for performance program introduced by Medicare to incentivize higher quality care-on 30 day mortality for three incentivized conditions: acute myocardial infarction, heart failure, and pneumonia. DESIGN: Observational study. SETTING: 4267 acute care hospitals in the United States: 2919 participated in the HVBP program and 1348 were ineligible and used as controls (44 in general hospitals in Maryland and 1304 critical access hospitals across the United States). PARTICIPANTS: 2 430 618 patients admitted to US hospitals from 2008 through 2013. MAIN OUTCOME MEASURES: 30 day risk adjusted mortality for acute myocardial infarction, heart failure, and pneumonia using a patient level linear spline analysis to examine the association between the introduction of the HVBP program and 30 day mortality. Non-incentivized, medical conditions were the comparators. A secondary outcome measure was to determine whether the introduction of the HVBP program was particularly beneficial for a subgroup of hospital-poor performers at baseline-that may benefit the most. RESULTS: Mortality rates of incentivized conditions in hospitals participating in the HVBP program declined at -0.13% for each quarter during the preintervention period and -0.03% point difference for each quarter during the post-intervention period. For non-HVBP hospitals, mortality rates declined at -0.14% point difference for each quarter during the preintervention period and -0.01% point difference for each quarter during the post-intervention period. The difference in the mortality trends between the two groups was small and non-significant (difference in difference in trends -0.03% point difference for each quarter, 95% confidence interval -0.08% to 0.13% point difference, P=0.35). In no subgroups of hospitals was HVBP associated with better outcomes, including poor performers at baseline. CONCLUSIONS: Evidence that HVBP has led to lower mortality rates is lacking. Nations considering similar pay for performance programs may want to consider alternative models to achieve improved patient 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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».