MétaCan
Menu
Retour à la cohorte
Enregistrement W4394789527 · doi:10.1093/ehjqcco/qcae026

Impact of the method of calculating 30-day readmission rate after hospitalization for heart failure. Data from the VancOuver CoastAL Acute Heart Failure (VOCAL-AHF) registry

2024· article· en· W4394789527 sur OpenAlexaffabout
Samaneh Salimian, Sean Virani, Thomas M. Roston, Ren Jie Robert Yao, Ricky D. Turgeon, Justin A. Ezekowitz, Nathaniel M. Hawkins

Notice bibliographique

RevueEuropean Heart Journal - Quality of Care and Clinical Outcomes · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensCanadian VIGOUR CentreUniversity of AlbertaUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineHeart failureEmergency medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Thirty-day readmission rate after heart failure (HF) hospitalization is widely used to evaluate healthcare quality. Methodology may substantially influence estimated rates. We assessed the impact of different definitions on HF and all-cause readmission rates. METHODS: Readmission rates were examined in 1835 patients discharged following HF hospitalization using 64 unique definitions derived from five methodological factors: (1) International Classification of Diseases-10 codes (broad vs. narrow), (2) index admission selection (single admission only first-in-year vs. random sample; or multiple admissions in year with vs. without 30-day blanking period), (3) variable denominator (number alive at discharge vs. number alive at 30 days), (4) follow-up period start (discharge date vs. day following discharge), and (5) annual reference period (calendar vs. fiscal). The impact of different factors was assessed using linear regression. RESULTS: The calculated 30-day readmission rate for HF varied more than two-fold depending solely on the methodological approach (6.5-15.0%). All-cause admission rates exhibited similar variation (18.8-29.9%). The highest rates included all consecutive index admissions (HF 11.1-15.0%, all-cause 24.0-29.9%), and the lowest only one index admission per patient per year (HF 6.5-11.3%, all-cause 18.8-22.7%). When including multiple index admissions and compared with blanking the 30-day post-discharge, not blanking was associated with 2.3% higher readmission rates. Selecting a single admission per year with a first-in-year approach lowered readmission rates by 1.5%, while random-sampling admissions lowered estimates further by 5.2% (P < 0.001). CONCLUSION: Calculated 30-day readmission rates varied more than two-fold by altering methods. Transparent and consistent methods are needed 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,090
Score d'incertitude au seuil0,509

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,097
Tête enseignante GPT0,465
Écart entre enseignants0,368 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
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

Citations7
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Heart Journal - Quality of Care and Clinical OutcomesMême sujetHeart Failure Treatment and ManagementTravaux en français237 207