Analysis of Hospital Quality Measures and Web-Based Chargemasters, 2019: Cross-sectional Study
Notice bibliographique
Résumé
BACKGROUND: The federal health care price transparency regulation from 2019 is aimed at bending the health care cost curve by increasing the availability of hospital pricing information for the public. OBJECTIVE: This study aims to examine the associations between publicly reported diagnosis-related group chargemaster prices on the internet and quality measures, process indicators, and patient-reported experience measures. METHODS: In this cross-sectional study, we collected and analyzed a random 5.02% (212/4221) stratified sample of US hospital prices in 2019 using descriptive statistics and multivariate analysis. RESULTS: We found extreme price variation in shoppable services and significantly greater price variation for medical versus surgical services (P=.006). In addition, we found that quality indicators were positively associated with standard charges, such as mortality (β=.929; P<.001) and readmissions (β=.514; P<.001). Other quality indicators, such as the effectiveness of care (β=-.919; P<.001), efficient use of medical imaging (β=-.458; P=.001), and patient recommendation scores (β=-.414; P<.001), were negatively associated with standard charges. CONCLUSIONS: We found that hospital chargemasters display wide variations in prices for medical services and procedures and match variations in quality measures. Further work is required to investigate 100% of US hospital prices posted publicly on the internet and their relationship with quality measures.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».