An Evaluation of the Patient Clinical Complexity Level (PCCL) Method for the Complexity Adjustment in the Korean Diagnosis-Related Groups (KDRG)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Objective To evaluate the performance of the Patient Clinical Complexity Level (PCCL) mechanism, which is the patient level complexity adjustment factor within the Korean Diagnosis-Related Groups (KDRG) patient classification system, for explaining the variation of resource consumption within Age Adjacent Diagnosis-related groups (AADRGs). Methods We used the inpatient claims data from a public hospital in Korea from January 1, 2017 to June 30, 2019, with 18,846 claims and 138 Age Adjacent Diagnosis-related groups (AADRGs). The differences in the total average payment between the four PCCL levels for each AADRG was tested using ANOVA and Duncan’s post-hoc test. The three patterns of the differences with R-squared were: the PCCL reflected the complexity well (Valid); the average payment of PCCL 2, 3, 4 was greater than PCCL 0 (Partially Valid); the PCCL did not reflect the complexity (Not Valid). Results There were 9 (6.52%), 26 (18.84%), and 103 (74.64%) ADRGs included in VALID, PARTIALLY VALID and NOT VALID, respectively. The average R-squared in VALID, PARTIALLY VALID, and NOT VALID was 32.18%, 40.81%, and 35.41% respectively, with the average R-squared for all patterns of 36.21%. Conclusions Adjusting using PCCL in the KDRG classification system exhibited low performance to explain the variation of resource consumption within Age Adjacent Diagnosis-related groups (AADRGs). As the KDRG classification system is used for reimbursement under the New DRG-based PPS pilot project with plans for expansion, there should be an overall review of the validity of the complexity and rationality of using the KDRG classification system.
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.
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 | 0,236 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,019 |
| 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 découle