MétaCan
Menu
Retour à la cohorte
Enregistrement W2936950879 · doi:10.1001/jamanetworkopen.2019.1313

Comparison of a Potential Hospital Quality Metric With Existing Metrics for Surgical Quality–Associated Readmission

2019· article· en· W2936950879 sur OpenAlexfundno aff
Laura A. Graham, Hillary J. Mull, Todd H. Wagner, Melanie S. Morris, Amy K. Rosen, Joshua Richman, Jeff Whittle, Edith Burns, Laurel A. Copeland, Kamal M.F. Itani, Mary T. Hawn

Notice bibliographique

RevueJAMA Network Open · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensnon disponible
Organismes subventionnairesNational Institutes of HealthMallinckrodt PharmaceuticalsCenters for Disease Control and PreventionU.S. Department of Veterans Affairs
Mots-clésMedicineMetric (unit)PopulationEmergency medicineSurgeryHospital readmissionGeneral surgeryOperations management

Résumé

récupéré en direct d'OpenAlex

Importance: The existing readmission quality metric does not meaningfully distinguish readmissions associated with surgical quality from those that are not associated with surgical quality and thus may not reflect the quality of surgical care. Objective: To compare a quality metric that classifies readmissions associated with surgical quality with the existing metric of any unplanned readmission in a surgical population. Design, Setting, and Participants: Cohort study using US nationwide administrative data collected on 4 high-volume surgical procedures performed at 103 Veterans Affairs hospitals from October 1, 2007, through September 30, 2014. Data analysis was conducted from October 1, 2017, to January 24, 2019. Main Outcomes and Measures: Hospital-level rates of unplanned readmission (existing metric) and surgical readmissions associated with surgical quality (new metric) in the 30 days following hospital discharge for an inpatient surgical procedure. Results: The study population included 109 258 patients who underwent surgery at 103 hospitals. Patients were majority male (94.1%) and white (78.2%) with a mean (SD) age of 64.0 (10.0) years at the time of surgery. After case-mix adjustment, 30-day surgical readmissions ranged from 4.6% (95% CI, 4.5%-4.8%) among knee arthroplasties to 11.1% (95% CI, 10.9%-11.3%) among colorectal resections. The new surgical readmission metric was significantly correlated with facility-level postdischarge complications for all procedures, with ρ coefficients ranging from 0.33 (95% CI, 0.13-0.51) for cholecystectomy to 0.52 (95% CI, 0.38-0.68) for colorectal resection. Correlations between postdischarge complications and the new surgical readmission metric were higher than correlations between complications and the existing readmission metric for all procedures examined (knee arthroplasty: 0.50 vs 0.48; hip replacement: 0.44 vs 0.18; colorectal resection: 0.52 vs 0.42; and cholecystectomy: 0.33 vs 0.10). When compared with using the existing readmission metric, using the new surgical readmission metric could change hip replacement-associated payment penalty determinations in 28.4% of hospitals and knee arthroplasty-associated penalties in 26.0% of hospitals. Conclusions and Relevance: In this study, surgical quality-associated readmissions were more correlated with postdischarge complications at a higher rate than were unplanned readmissions. Thus, a metric based on such readmissions may be a better measure of surgical care quality. This work provides an important step in the development of future value-based payments and promotes evidence-based quality metrics targeting the quality of surgical care.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,163
Score d'incertitude au seuil0,582

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,091
Tête enseignante GPT0,421
Écart entre enseignants0,330 · 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.

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

Citations20
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetHeart Failure Treatment and ManagementTravaux en français237 207