MétaCan
Menu
Retour à la cohorte
Enregistrement W2604843958 · doi:10.3233/978-1-61499-742-9-178

IT for Bending the Healthcare Cost Curve: The High Needs, High Cost Approach

2017· article· en· W2604843958 sur OpenAlexaff
Karim Keshavjee, Douglas Morrison, Shams Mohammed, Aziz Guergachi

Notice bibliographique

RevueStudies in health technology and informatics · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBig Data and Business Intelligence
Établissements canadiensUniversity of WaterlooToronto Metropolitan UniversitySNC-Lavalin (Canada)
Organismes subventionnairesnon disponible
Mots-clésProductivityHealth careInflation (cosmology)Healthcare systemPsychological interventionBusinessOperations managementComputer scienceMedicineEconomicsEconomic growthNursing

Résumé

récupéré en direct d'OpenAlex

Health systems around the world are under tremendous fiscal pressures. Health system inflation continues to outpace GDP growth in most countries. Health system inflation has been resistant to policy measures, to traditional interventions such as productivity enhancing technologies and to optimization of performance metrics such as length of stay (LOS) and wait times. Organizations that are solving the issue are using specific information that individualizes costs per patient, rather than using average costs per case, which is misleading in most important, high cost, situations. In this paper, we propose an architecture for a health information system that not only individualizes costs, but also leverages the learning health system model to drive down costs, while increasing value for patients and the health care system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,918
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,186
Tête enseignante GPT0,396
Écart entre enseignants0,210 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in health technology and informaticsMême sujetBig Data and Business IntelligenceTravaux en français237 207