MétaCan
Menu
Retour à la cohorte
Enregistrement W3121948562 · doi:10.4236/ojs.2021.111005

Analysis of Length of Stay (LOS) Data from the Medical Records of Tertiary Care Hospital in Saudi Arabia for Five Diagnosis Related Groups: Application of Cox Prediction Model

2021· article· en· W3121948562 sur OpenAlexaff
Sara N. Algahtani, Mohamed M. Shoukri

Notice bibliographique

RevueOpen Journal of Statistics · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Disease Management Strategies
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésMedicineMedical recordProportional hazards modelEmergency medicineHazardRegression analysisMedical emergencyPediatricsInternal medicineStatistics

Résumé

récupéré en direct d'OpenAlex

Background: One of the main objectives of hospital managements is to control the length of stay (LOS). Successful control of LOS of inpatients will result in reduction in the cost of care, decrease in nosocomial infections, medication side effects, and better management of the limited number of available patients’ beds. The length of stay (LOS) is an important indicator of the efficiency of hospital management by improving the quality of treatment, and increased hospital profit with more efficient bed management. The purpose of this study was to model the distribution of LOS as a function of patient’s age, and the Diagnosis Related Groups (DRG), based on electronic medical records of a large tertiary care hospital. Materials and Methods: Information related to the research subjects were retrieved from a database of patients admitted to King Faisal Specialist Hospital and Research Center hospital in Riyadh, Saudi Arabia between January 2014 and December 2016. Subjects’ confidential information was masked from the investigators. The data analyses were reported visually, descriptively, and analytically using Cox proportional hazard regression model to predict the risk of long-stay when patients’ age and the DRG are considered as antecedent risk factors. Results: Predicting the risk of long stay depends significantly on the age at admission, and the DRG to which a patient belongs to. We demonstrated the validity of the Cox regression model for the available data as the proportionality assumption is shown to be satisfied. Two examples were presented to demonstrate the utility of the Cox model in this regard.

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)0,005
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,031
Tête enseignante GPT0,339
Écart entre enseignants0,308 · 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.

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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Journal of StatisticsMême sujetChronic Disease Management StrategiesTravaux en français237 207