Developing a streamlined risk-adjusted cesarean section rate model for evaluation of obstetrical quality across hospitals by using EHRs: A provincial-scale multicenter retrospective study
Notice bibliographique
Résumé
Objective: This study aims to explore a streamlined risk-adjusted cesarean section rate (RCSR) model and to compare its practical application effects with the traditional RCSR models. Methods: Utilizing obstetric electronic health record (EHR) data from provincial multicenter hospitals, this study establishes a streamlined RCSR model alongside the traditional RCSR model and evaluates the efficacy of both models. Subsequently, the RCSRs of 56 hospitals within the province are calculated and ranked using both models. The consistency of these rankings is then quantified using Kendall's tau coefficient of concordance. Result: Comparison of model effectiveness evaluation of the traditional RCSR model versus the streamlined RCSR model is as follows: AUC (0.840 vs 0.839), accuracy (0.875 vs 0.872), sensitivity (0.690 vs 0.685), specificity (0.898 vs 0.892), positive predictive value (0.908 vs 0.903), negative predictive value (0.664 vs 0.660), and Brier score (0.069 vs 0.067). In the test of the consistency of hospital rankings based on two models, Kendall's tau coefficients were observed to be 0.979 (year 2017), 0.978 (year 2018), and 0.978 (year 2019) over a span of 3 years, with an aggregate coefficient of 0.974. Conclusion: In the realm of model performance evaluation as well as the pragmatic application within hospital settings, the streamlined model exhibits a substantial congruence with the traditional model. Therefore, the streamlined model can effectively serve as a viable surrogate for the traditional model, potentially establishing itself as a refined paradigm for the appraisal of quality in obstetric healthcare services.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».