A Comparison of statistical methods for hospital performance assessment
Notice bibliographique
Résumé
During hospital quality improvement activities, statistical approaches are critical to help assess hospital performance for benchmarking. Current statistical approaches are used primarily for research and reimbursement purposes. In this multiinstitutional study, these established statistical methods were evaluated for quality improvement applications. Leveraging a dataset of 42,199 patients who underwent coronary artery bypass grafting surgery from 2014 to 2016 across 90 hospitals, six statistical approaches were applied. The non-shrinkage methods were: (1) indirect standardization without hospital effect; (2) indirect standardization with hospital fixed effect; (3) direct standardization with hospital fixed effect. The shrinkage methods were: (4) indirect standardization with hospital random effect; (5) direct standardization with hospital random effect; (6) Bayesian method. Hospital performance related to operative mortality and major morbidity or mortality was compared across methods based on variation in adjusted rates, rankings, and performance outliers. Method performance was evaluated across procedure volume terciles: small (< 96 cases/year), medium (96-171), and large (> 171). Shrinkage methods reduced inter-hospital variation (min-max) for mortality (observed: 0%-10%; adjusted: 1.5%-2.4%) and major morbidity or mortality (observed: 2.6%-35%; adjusted: 6.9%-17.5%). Shrinkage methods shrunk hospital rates toward the group mean. Direct standardization with hospital random effect, compared to fixed effect, resulted in 16.7%-38.9% of hospitals changing quintile mortality ranking. Indirect standardization with hospital random effect resulted in no performance outliers among small and medium hospitals for mortality, while logistic and fixed effect methods identified one small and three medium outlier hospitals. The choice of statistical method greatly impacts hospital ranking and performance outlier’ status. These findings should be considered when benchmarking hospital performance for hospital quality improvement activities.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».