MétaCan
Menu
Retour à la cohorte
Enregistrement W2892227563 · doi:10.23889/ijpds.v3i4.973

From the back room to the front room: Combining clinical and financial information to support evidence-based decision making

2018· article· en· W2892227563 sur OpenAlexaffabout
Nathalie Robertson, Marcus Loreti

Notice bibliographique

RevueInternational Journal for Population Data Science · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensCanadian Institute for Health Information
Organismes subventionnairesnon disponible
Mots-clésActivity-based costingContext (archaeology)Presentation (obstetrics)Health careDecision support systemComputer scienceBusinessFinanceMedicineMarketingData miningEconomics

Résumé

récupéré en direct d'OpenAlex

IntroductionDecisions in healthcare are not based on a single piece of evidence. Decision-makers consider a broad range of information, including patient, system and financial information. Canadian healthcare decision-makers now have access to linked clinical and financial data – at the patient level - via an online, private tool.
 Objectives and ApproachThe objectives of this presentation are to showcase the power of having linked inpatient and ambulatory care clinical and financial data, as presented in an online tool. More specifically, two separate scenarios will be worked through, demonstrating how key decisions can be impacted by having record-level clinical and financial information. For example, a hospital may make a different decision when looking at the price differential of performing some surgeries and keeping patients overnight, versus performing these same surgeries in day surgery context and sending patients home. Supporting drill-down detail and visualizations will also be showcased.
 ResultsThe presentation will focus on the importance of leveraging and integrating available information to better support decision-making. The presentation will emphasize how this tool, which uses linked clinical and financial data, is an example of the integration of new information sources into traditional decision-making practices. For example, with the availability of detailed cost estimates tied to clinical information, decision-makers have the ability to provide budgeting and costing estimates, by area, for different patient types. This is particularly important for health organizations that do not have a patient costing system in place.
 Conclusion/ImplicationsTools that integrate information in an easy to use format allow decision-makers to access important information quickly, thus facilitating more time to gather supplemental information and consider the information at hand, ultimately supporting evidence-based decision-making.

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)0,007
score de la tête « metaresearch » (Gemma)0,010
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,518
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,003
Science ouverte0,0020,001
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 Opus0,315
Tête enseignante GPT0,560
Écart entre enseignants0,246 · 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'étudeObservationnel
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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetPrimary Care and Health OutcomesTravaux en français237 207