Change in Hospital Risk-Standardized Stroke Mortality Performance With and Without the Passive Surveillance Stroke Severity Score
Notice bibliographique
Résumé
BACKGROUND: Adjustment for baseline stroke severity is necessary for accurate assessment of hospital performance. We evaluated whether adjusting for the Passive Surveillance Stroke SeVerity (PaSSV) score, a measure of stroke severity derived using administrative data, changed hospital-specific estimated 30-day risk-standardized mortality rate (RSMR) after stroke. METHODS: We used linked administrative data to identify adults who were hospitalized with ischemic stroke or intracerebral hemorrhage across 157 hospitals in Ontario, Canada between 2014 and 2019. We fitted a random effects logistic regression model using Markov Chain Monte Carlo methods to estimate hospital-specific 30-day RSMR and 95% credible intervals with adjustment for age, sex, Charlson comorbidity index, and stroke type. In a separate model, we additionally adjusted for stroke severity using PaSSV. Hospitals were defined as low-performing, average-performing, or high-performing depending on whether the RSMR and 95% credible interval were above, overlapping, or below the cohort's crude mortality rate. RESULTS: We identified 65,082 patients [48.0% were female, the median age (25th,75th percentiles) was 76 years (65,84), and 86.4% had an ischemic stroke]. The crude 30-day all-cause mortality rate was 14.1%. The inclusion of PaSSV in the model reclassified 18.5% (n=29) of the hospitals. Of the 143 hospitals initially classified as average-performing, after adjustment for PaSSV, 20 were reclassified as high-performing and 8 were reclassified as low-performing. Of the 4 hospitals initially classified as low-performing, 1 was reclassified as high-performing. All 10 hospitals initially classified as high-performing remained unchanged. CONCLUSION: PaSSV may be useful for risk-adjusting mortality when comparing hospital performance. External validation of our findings in other jurisdictions is needed.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».