Development of Acute Myocardial Infarction Mortality and Readmission Models for Public Reporting on Hospital Performance in Canada
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
BACKGROUND: Given changes in the care and outcomes of acute myocardial infarction (AMI) patients over the past several decades, we sought to develop prediction models that could be used to generate accurate risk-adjusted mortality and readmission outcomes for hospitals in current practice across Canada. METHODS: A Canadian national expert panel was convened to define appropriate AMI patients for reporting and develop prediction models. Preliminary candidate variable evaluation was conducted using Ontario patients hospitalized with a most responsible diagnosis of AMI from April 1, 2015 to March 31, 2018. National data from the Canadian Institute for Health Information was used to develop AMI prediction models. The main outcomes were 30-day all-cause in-hospital mortality and 30-day urgent all-cause readmission. Discrimination of these models (measured by c-statistics) was compared with that of existing Canadian Institute for Health Information models in the same study cohort. RESULTS: The AMI mortality model was assessed in 54,240 Ontario AMI patients and 153,523 AMI patients across Canada. We observed a 30-day in-hospital mortality rate of 6.3%, and a 30-day all-cause urgent readmission rate of 10.7% in Canada. The final Canadian AMI mortality model included 12 variables and had a c-statistic of 0.834. For readmission, the model had 13 variables and a c-statistic of 0.679. Discrimination of the new AMI models had higher c-statistics compared with existing models (c-statistic 0.814 for mortality; 0.673 for readmission). CONCLUSIONS: In this national collaboration, we developed mortality and readmission models that are suitable for profiling performance of hospitals treating AMI patients in Canada.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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