One-year costs of medical admissions with and without a 30-day readmission and enhanced risk adjustment
Notice bibliographique
Résumé
BACKGROUND: To overcome the limitations of administrative data in adequately adjusting for differences in patients' risk of readmissions, recent studies have added supplemental data from patient surveys and other sources (e.g., electronic health records). However, judging the adequacy of enhanced risk adjustment for use in assessment of 30-day readmission as a hospital quality indicator is not straightforward. In this paper, we evaluate the adequacy of risk adjustment by comparing the one-year costs of those readmitted within 30 days to those not after excluding the costs of the readmission. METHODS: In this two-step study, we first used comprehensive administrative and survey data on a nationally representative Medicare cohort of hospitalized patients to compare patients with a medical admission who experienced a 30-day readmission to patients without a readmission in terms of their overall Medicare payments during 12 months following the index discharge. We then examined the extent to which a series of enhanced risk adjustment models incorporating code-based comorbidities, self-reported health status and prior healthcare utilization, reduced the payment differences between the admitted and not readmitted groups. RESULTS: Our analytic cohort consisted 4684 index medical hospitalization of which 842 met the 30-day readmission criteria. Those readmitted were more likely to be older, White, sicker and with higher healthcare utilization in the previous year. The unadjusted subsequent one-year Medicare spending among those readmitted ($56,856) was 60% higher than that among the non-readmitted ($35,465). Even with enhanced risk adjustment, and across a variety of sensitivity analyses, one-year Medicare spending remained substantially higher (46.6%, p < 0.01) among readmitted patients. CONCLUSIONS: Enhanced risk adjustment models combining health status indicators from administrative and survey data with previous healthcare utilization are unable to substantially reduce the cost differences between those medical admission patients readmitted within 30 days and those not. The unmeasured patient severity that these cost differences most likely reflect raises the question of the fairness of programs that place large penalties on hospitals with higher than expected readmission rates.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».