Evaluating rural health outcomes: A methodological approach using population‐level data
Notice bibliographique
Résumé
Background: The sustainability of rural surgical and obstetrical facilities depends on their efficacy and quality of care, which are difficult to measure in a rural context. In an evaluation of rural practice, it is often the case that the only comparators are larger referral facilities, for which facility-level comparisons are difficult due to differences in population demographics, acuity of patients, and services offered. This publication outlines these limitations and highlights a best-practice approach to making facility-level comparisons using population-level data, risk stratification, tests of noninferiority, and Firth logistic regression analysis. This includes an investigation of minimum sample-size requirements through Monte Carlo power analysis in the context of low-acuity rural surgical care. Methods: Monte Carlo power analysis was used to estimate the minimum sample size required to achieve a power of 0.8 for both logistic regression and Firth logistic regression models that compare the proportion of surgical adverse events against facility type, among other confounders. We provide guidelines for the implementation of a recommended methodology that uses risk stratification, Firth penalized logistic regression, and tests of noninferiority. Results: We illustrate limitations in facility-level comparison of surgical quality among patients undergoing one of four index procedures including hernia repair, colonoscopy, appendectomy, and cesarean delivery. We identified minimum sample sizes for comparison of each index procedure that fluctuate depending on the level of risk stratification used. Conclusion: The availability of administrative data can provide an adequate sample size to allow for facility-level comparisons in surgical quality, at the rural level and elsewhere. When they are made appropriately, these comparisons can be used to evaluate the efficacy of general practitioners and nurse practitioners in performing low-acuity procedures.
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 | 0,030 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».