MétaCan
Menu
← Retour à la cohorte
Enregistrement W4389945051 · doi:10.1161/circ.148.suppl_1.16307

Abstract 16307: Does the Method of Calculating the 30-day Readmission Rate After Hospitalization for Heart Failure Matter? Data From the VancOuver CoastAL Acute Heart Failure Registry

2023· article· en· W4389945051 sur OpenAlexaffabout
Samaneh Salimian, Sean Virani, Thomas M. Roston, Ren Jie Robert J Yao, Ricky D. Turgeon, Justin A. Ezekowitz, Nathaniel M. Hawkins

Notice bibliographique

RevueCirculation · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensUniversity of AlbertaUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineHeart failureRelative riskEmergency medicineLinear regressionIndex (typography)Internal medicineConfidence intervalStatistics

Résumé

récupéré en direct d'OpenAlex

Introduction: The 30-day readmission rate after a heart failure (HF) hospitalization is widely used for assessing healthcare quality and system performance. However, there are different methodological approaches which may influence estimated rates, and no single accepted approach. The combined impact of these methods is unknown. Goals: We calculated 30-day HF readmission rates (RRs) of hospitalized patients using different published approaches to sampling and measurement. Methods: We included 1,849 patients discharged following unplanned hospitalization with a primary diagnosis of HF between 2016 to 2018 from the VancOuver CoastAL Acute Heart Failure (VOCAL-AHF) registry. We combined five distinct methodological factors (Table 1) to create 64 unique definitions and associated HF RRs. The readmission rates were averaged over 3-years. Multiple linear regression was used to determine the impact of different factors on estimated readmission rates. Results: The calculated 30-day RR for HF varied more than twofold depending solely on the methodological approach (6.4% to 15.0%, 8.6% absolute difference, 134% relative difference). The rates were highest when including all consecutive index admissions (11.1% to 15.0%), and lowest including only one index admission per patient per year (6.4% to 11.4%). The regression model ranked variables affecting RR as: index selection method, reference period, ICD-10 codes, 30-day survival, and index day (Table 2, p<0.001 in all). Conclusions: Our findings have important implications for policy and reporting. Transparent and consistent methods are needed to calculate 30-day RRs to ensure reproducible and comparable reporting.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,060
score de la tête « metaresearch » (Gemma)0,186
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,940
Score d'incertitude au seuil0,427

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0600,186
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,008
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,315
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineMéthodes
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCirculation→Même sujetHeart Failure Treatment and Management→Travaux en français237 207→