Cost impact of introducing a treatment escalation/limitation plan during patients’ last hospital admission before death
Notice bibliographique
Résumé
OBJECTIVE: A recent study found that the use of a treatment escalation/limitation plan (TELP) was associated with a significant reduction in non-beneficial interventions (NBIs) and harms in patients admitted acutely who subsequently died. We quantify the economic benefit of the use of a TELP. DESIGN: NBIs were micro-costed. Mean costs for patients with a TELP were compared to patients without a TELP using generalized linear model regression, and results were extrapolated to the Scottish population. SETTING: Medical, surgical and intensive care units of district general hospital in Scotland, UK. PARTICIPANTS: Two hundred and eighty-seven consecutive patients who died over 3 months in 2017. Of these, death was 'expected' in 245 (85.4%) using Gold Standards Framework criteria. INTERVENTION: Treatment escalation/limitation plan. MAIN OUTCOME MEASURE: Between-group difference in estimated mean cost of NBIs. RESULTS: The group with a TELP (n = 152) had a mean reduction in hospital costs due to NBIs of GB £220.29 (US $;281.97) compared to those without a TELP (n = 132) (95% confidence intervals GB £323.31 (US $413.84) to GB £117.27 (US $150.11), P = <0.001). Assuming that a TELP could be put in place for all expected deaths in Scottish hospitals, the potential annual saving would be GB £2.4 million (US $3.1 million) from having a TELP in place for all 'expected' deaths in hospital. CONCLUSIONS: The use of a TELP in an acute hospital setting may result in a reduction in costs attributable to NBIs.
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 | 0,007 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».