MétaCan
Menu
Retour à la cohorte
Enregistrement W2894338531 · doi:10.1200/jop.18.00409

Practice Transformation: Early Impact of the Oncology Care Model on Hospital Admissions

2018· article· en· W2894338531 sur OpenAlexaboutno aff
Molly Mendenhall, Karyn M. Dyehouse, Jad Hayes, Joanie Manzo, Teresa Meyer-Smith, Andrew S Guinigundo, Brian Bourbeau, David Waterhouse

Notice bibliographique

RevueJournal of Oncology Practice · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueHospital Admissions and Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesAmerican Society of Clinical Oncology
Mots-clésMedicineTriageMedicaidEmergency medicineReimbursementQuarter (Canadian coin)Acute careMedical emergencyHealth careFamily medicine

Résumé

récupéré en direct d'OpenAlex

Purpose: The purpose of the Oncology Care Model (OCM) is to improve quality and reduce cost through practice transformation. A foundational tenant is to reduce avoidable emergency room (ER) visits and hospitalizations. In anticipation of being an OCM participant, we instituted a multidimensional campaign designed to meet these objectives. Methods: Prior actions included establishment of phone triage unit, after-hours and weekend calls, and institution of weekend urgent care. Results: On the basis of data from the Chronic Condition Warehouse, as provided by the Centers for Medicare and Medicaid Services, we were successful at reducing the acute care admissions rate by 16%. During the baseline period extending from Jan 2016-Mar 2016, the hospital admission rate was 27 per patient, per quarter, at an average cost per admission event of $11,122, translating to an inpatient cost per patient, per quarter, of $3,003. In the year one reporting period of July 2016-July 2017, the hospital admission rate declined to 22.6 per patient, per quarter, at an average cost per admission event of $11,106, translating to an inpatient cost per patient, per quarter, of $2,505. OCM patient survey scores improved. In addition, at Oncology Hematology Care, we achieved improved results compared with the risk-adjusted national averages for the following measures: readmissions (4.9 v 5.6 per 100 patients, respectively), ER use (17 v 18.6 per 100 patients, respectively), and observation stays (2.7 v 3.6 per 100 patients, respectively). Conclusion: By implementing a cost-efficient, reproducible, and scalable campaign targeting ER avoidance and hospitalizations, we were able to decrease hospital admissions. Reported Medicare savings amounted to nearly $798,000 in inpatient cost per quarter over 1,600 patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,060
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,060
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0040,003
Science ouverte0,0020,007
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,422
Écart entre enseignants0,395 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations18
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Oncology PracticeMême sujetHospital Admissions and OutcomesTravaux en français237 207