Examining the Utility of 30‐day Readmission Rates and Hospital Profiling in the Veterans Health Administration
Notice bibliographique
Résumé
BACKGROUND: The Veterans Health Administration (VA) reports hospital-specific 30-day risk-standardized readmission rates (RSRRs) using CMS-derived models. OBJECTIVE: The aim of this study was to examine and describe the interfacility variability of 30-day RSRRs for acute myocardial infarction (AMI), heart failure (HF), and pneumonia as a means to assess its utility for VA quality improvement and hospital comparison. RESEARCH DESIGN: A retrospective analysis of VA and Medicare claims data using one-year (2012) and three-year (2010-2012) data given their use for quality improvement or for hospital comparison, respectively. SUBJECTS: This study included 3,571 patients hospitalized for AMI at 56 hospitals, 10,609 patients hospitalized for HF at 102 hospitals, and 10,191 patients hospitalized for pneumonia at 106 hospitals. MEASURES: Hospital-specific 30-day RSRRs for AMI, HF, and pneumonia hospitalizations were calculated using hierarchical generalized linear models. RESULTS: Of 164 qualifying VA hospitals, 56 (34%), 102 (62%), and 106 (64%) qualified for analysis based on CMS criteria for AMI, HF, and pneumonia cohorts, respectively. Using 2012 data, we found that two hospitals (2%) had CHF RSRRs worse than the national average (+95% CI), whereas no hospital demonstrated worse-than-average risk-stratified readmission Rate (RSRR; +95% CI) for AMI or pneumonia. After increasing the number of facility admissions by combining three years of data, we found that four (range: 3.5%-5.3%) hospitals had RSRRs worse than the national average (+95% CI) for all three conditions. CONCLUSIONS: The Centers for Medicare and Medicaid Services-derived 30-day readmission measure may not be a useful measure to distinguish VA interfacility performance or drive quality improvement given the low facility-level volume of such readmissions.
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 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».