Re‐evaluation of re‐hospitalization and rehabilitation in renal research
Notice bibliographique
Résumé
INTRODUCTION: The use of administrative data to capture 30-day readmission rates in end-stage renal disease is challenging since Medicare combines claims from acute care, inpatient rehabilitation (IRF), and long-term care hospital stays into a single "Inpatient" file. For data prior to 2012, the United States Renal Data System does not contain the variables necessary to easily identify different facility types, making it likely that prior studies have inaccurately estimated 30-day readmission rates. METHODS: For this report, we developed two methods (a "simple method" and a "rehabilitation-adjusted method") to identify acute care, IRF, and long-term care hospital stays from United States Renal Data System claims data, and compared them to methods used in previously published reports. FINDINGS: We found that prior methods overestimated 30-day readmission rates by up to 12.3% and overestimated average 30-day readmission costs by up to 11%. In contrast, the simple and rehabilitation-adjusted methods overestimated 30-day readmission rates by 0.1% and average 30-day readmission costs by 1.8%. The rehabilitation-adjusted method also accurately identified 96.8% of IRF stays. DISCUSSION: Prior research has likely provided inaccurate estimates of 30-day readmissions in patients undergoing dialysis. In the absence of data on specific facility types particularly when using data prior to 2012, future researchers could employ our method to more accurately characterize 30-day readmission rates and associated outcomes in patients with end-stage renal disease.
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 | 0,094 | 0,231 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».