Regional Economic Conditions and Preventable Hospitalization Among Older Patients With Diabetes
Notice bibliographique
Résumé
OBJECTIVE: The aim was to explore the relationship between changes in regional economic conditions and quality of care-preventable hospitalization or death among older patients with diabetes at Veterans Health Administration (VHA), safety-net system for veterans. SUBJECTS: VHA patients aged 65 years and older with a diabetes diagnosis between July 2012 and June 2014, who had at least 1 primary care visit in the past year. MEASURES: County-level and state-level public data were used to characterize regional health insurance coverage and affluence surrounding the VHA facilities. Each patient was associated with a VHA facility and its corresponding regional market variables, and followed up to 48 months or until they experienced diabetes-related Prevention Quality Indicators or death. RESULTS: Discrete-time Cox proportional hazards models estimated that changes in regional market variables characterizing regional health insurance coverage and affluence were significant factors associated with preventable hospitalization or death. All regional market variables were combined into a demand index, where 1 SD decrease in the demand index was associated with a 2.0-point increase in predicted survival for an average patient at an average VHA facility. For comparison, a 1 SD increase in primary care capacity was associated with 4.7-point increase. CONCLUSIONS: Downturns in regional economic conditions could increase demand for VHA care and raise the risk of diabetes-related preventable hospitalization or death among older VHA patients diagnosed with diabetes. Safety-net hospitals may be unfairly penalized for lower quality of care when experiencing higher demand for care because of an economic downturn.
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 | 0,000 | 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) | 0,004 | 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 ».