Constructing episodes of inpatient care: How to define hospital transfer in hospital administrative health data?
Notice bibliographique
Résumé
ABSTRACT
 ObjectivesHospital administrative data creates a separate record for each hospital stay of patients. Treating a hospital transfer as a readmission could lead to biased results in health service research, resource planning, and quality of patient care. This study is to identify the optimal time gaps between two hospitalizations to identify hospital transfer cases.
 ApproachThis is a cross-sectional study. We used the hospital discharge abstract database (DAD) in 2013 from Alberta, Canada to define transfer cases. Institution code and transfer indicators of “institution to” and “institution from” are mandatory in Canadian DAD and have high reliability. We defined transfer cases by transfer institution indicators and used it as the reference standard. Different time gaps between two hospitalizations (6, 9, 12 and 24 hours) were used to identify transfer cases. We compared the sensitivity and positive predictive value (PPV) of different transfer case definitions across different categories of sex, age, and location of residences. Readmission rate within 30 days was also compared after the episode of care were defined by combining transfer cases at the different time gaps.
 ResultsSensitivity increased with an increase of time gap between two hospitalizations while PPV decreased. Use of ≤ 6 hours lead to low sensitivity for patients under the age of 50 or living in the rural area; Use of ≤ 24 hours lead to low PPV for patients under the age of 50 or living in urban area. Use of ≤ 12 hours overestimated the 30 days readmission rate compared with the reference standard. The time gap of 9 hours between two hospitalizations is the optimal way to identify transfer cases with the sensitivity of 0.97 and the PPV of 0.95.
 ConclusionsWe recommend the use of a time gap of up to 9 hours between two hospitalizations to define hospital transfer in inpatient databases. This validated definition provides a foundation for research in health service and for outcomes such as readmission.
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 | 0,002 |
| 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 | 0,003 |
| Science ouverte | 0,003 | 0,001 |
| 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 ».