Is a Skilled Nursing Facility's Rehospitalization Rate a Valid Quality Measure?
Notice bibliographique
Résumé
OBJECTIVE: To determine whether the observed differences in the risk-adjusted rehospitalization rates across skilled nursing facilities (SNFs) reflect true differences or merely differences in patient severity. SETTINGS: Elderly Medicare beneficiaries newly admitted to an SNF following hospitalization. STUDY DESIGN: We used 2009-2012 Medicare data to calculate SNFs' risk-adjusted rehospitalization rate. We then estimated the effect of these rehospitalization rates on the rehospitalization of incident patients in 2013, using an instrumental variable (IV) method and controlling for patient's demographic and clinical characteristics and residential zip code fixed effects. We used the number of empty beds in a patient's proximate SNFs during hospital discharge to create the IV. PRINCIPAL FINDINGS: The risk-adjusted rehospitalization rate varies widely; about one-quarter of the SNFs have a rehospitalization rate lower than 17 percent, and for one-quarter, it is higher than 23 percent. All the IV models result in a robust finding that an increase in a SNF's rehospitalization rate of 1 percentage point over the period 2009-2012 leads to an increase in a patient's likelihood of rehospitalization by 0.8 percentage points in 2013. CONCLUSIONS: Treatment in SNFs with historically low rehospitalization causally reduces a patient's likelihood of rehospitalization. Observed differences in rehospitalization rates reflect true differences and are not an artifact of selection.
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 | 0,012 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».