MétaCan
Menu
Retour à la cohorte
Enregistrement W3115251323 · doi:10.21203/rs.3.rs-78755/v1

An Evaluation of the Patient Clinical Complexity Level (PCCL) Method for the Complexity Adjustment in the Korean Diagnosis-Related Groups (KDRG)

2020· preprint· en· W3115251323 sur OpenAlexaff
Sujeong Kim, Byoongyong Choi, Kyung-Hee Lee, Sang-Min Lee, Sukil Kim

Notice bibliographique

RevueResearch Square (Research Square) · 2020
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueMedical Coding and Health Information
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésReimbursementResource consumptionPaymentPayment by ResultsResource (disambiguation)StatisticsPsychologyComputer scienceMathematicsEcologyBiologyHealth careEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract ObjectiveTo 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).MethodsWe 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).ResultsThere 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%.ConclusionsAdjusting 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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,021
score de la tête « metaresearch » (Gemma)0,095
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,979
Score d'incertitude au seuil0,112

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,095
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0050,005
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,891
Tête enseignante GPT0,681
Écart entre enseignants0,209 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineMéthodes
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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Square (Research Square)Même sujetMedical Coding and Health InformationTravaux en français237 207