Physician Financial Incentives to Reduce Unplanned Hospital Readmissions: A Propensity Score Weighted Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Unplanned hospital readmissions are associated with adverse patient outcomes and substantial healthcare costs. It remains unknown whether physician financial incentives for enhanced discharge planning can reduce readmission risk. METHODS: In 2012, policymakers in British Columbia, Canada, introduced a $75 fee-for-service physician payment to incentivize enhanced discharge planning (the "G78717" fee code). We used population-based administrative health data to compare outcomes among G78717-exposed and G78717-unexposed patients. We identified all nonelective hospitalizations potentially eligible for the incentive over a 5-year study interval. We examined the composite risk of unplanned readmission or death and total direct healthcare costs accrued within 30 days of discharge. Propensity score overlap weights and adjustment were used to account for differences between exposed and unexposed patients. RESULTS: A total of 5262 of 24,787 G78717-exposed and 28,096 of 136,541 unexposed patients experienced subsequent unplanned readmission or death, suggesting exposure to the G78717 incentive did not reduce the risk of adverse outcomes after discharge (crude percent, 21.1% vs 20.6%; adjusted odds ratio, 0.97; 95% CI, 0.93-1.01; P = .23). Mean direct healthcare costs within 30 days of discharge were $3082 and $2993, respectively (adjusted cost ratio, 1.00; 95% CI, 0.95-1.05; P = .93). CONCLUSIONS: A physician financial incentive that encouraged enhanced hospital discharge planning did not reduced the risk of readmission or death, and did not significantly decrease direct healthcare costs. Policymakers should consider the baseline prevalence and effectiveness of enhanced discharge planning, the magnitude and design of financial incentives, and whether auditing of incentivized activities is required when implementing similar incentives elsewhere. TRIAL REGISTRATION: ClinicalTrials.gov ID, NCT03256734.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».