Geographic Variation in Influenza Vaccination among US Nursing Home Residents: A National Study
Notice bibliographique
Résumé
ABSTRACT Objective Estimates of influenza vaccine use are not available at the county level for U.S. nursing home (NH) residents but are critically necessary to guide implementation of quality improvement programs aimed at increasing vaccination rates. Furthermore, estimates that account for differences in resident characteristics between counties are unavailable. We estimated risk-standardized vaccination rates among short- and long-stay NH residents by U.S. county and identified drivers of geographic variation. Methods We conducted a retrospective cohort study utilizing 100% of 2013-2015 fee-for-service Medicare claims, Minimum Data Set assessments, Certification and Survey Provider Enhanced Reports, and LTCFocUS. We separately evaluated short-stay (<100 days) and long-stay (≥100 days) residents aged ≥65 years old across the 2013-2014 and 2014-2015 influenza seasons. We estimated county-level risk-standardized vaccination rates (RSVRs) via hierarchical logistic regression adjusting for 32 resident-level covariates. We then used multivariable linear regression models to assess associations between county-level NHs predictors and RSVRs. Results The overall study cohort consisted of 2,817,217 residents in 14,658 NHs across 2,798 counties. Short-stay residents had lower RSVRs than long-stay residents (2013-2014: median [IQR], 69.6% [62.8-74.5] vs 84.0% [80.8-86.4]). Counties with the highest vaccination rates were concentrated in the Midwestern, Southern, and Northeast US. Several modifiable facility-level characteristics were associated with increased RSVRs, including higher registered nurse to total nurse ratio and higher total staffing for licensed practical nurses, speech language pathologists, and social workers. Characteristics associated with lower RSVRs included higher percentage of residents restrained, with a pressure ulcer, and NH-level hospitalizations per resident-year. Conclusions Substantial county-level variation in influenza vaccine use exists among short- and long-stay NH residents. Quality improvement interventions to improve vaccination rates can leverage these results to target NHs located in counties with lower risk-standardized vaccine use.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».