MétaCan
Menu
Retour à la cohorte
Enregistrement W4403730954 · doi:10.1287/mnsc.2023.01062

Quality Improvement Spillovers: Evidence from the Hospital Readmissions Reduction Program

2024· article· en· W4403730954 sur OpenAlexaffabout
Mohamad Soltani, Robert J. Batt, Hessam Bavafa

Notice bibliographique

RevueManagement Science · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésQuality managementReduction (mathematics)Quality (philosophy)Operations managementBusinessComputer scienceEconomicsMathematics

Résumé

récupéré en direct d'OpenAlex

Quality knowledge spillovers can enhance the overall effectiveness of quality improvement initiatives. We study the presence and moderators of such spillovers in a multitask service setting, specifically in hospital inpatient care. Leveraging a national quality improvement regulation, the Hospital Readmissions Reduction Program (HRRP), which offers partial incentives for hospitals to reduce readmissions, we employ difference-in-differences econometric models on a nationwide database and find positive quality spillovers in the healthcare sector. Our findings indicate that the implementation of HRRP led to a significant decrease in 30-day readmissions among patients with clinical conditions or insurance types that were not targeted by the policy. Additionally, we find that task similarity played a positive role in promoting quality spillovers, while a hospital’s operational focus on target patients (i.e., the proportion of hospital volume targeted by the policy) did not moderate these spillovers. Notably, we observe that hospitals achieved these quality improvements without increasing the intensity of care provided, and that meaningful improvements in quality were associated with up to a 3% reduction in hospitalization costs. This paper contributes novel insights into how regulators and policymakers can design narrow public policies and regulations that achieve broader results by exploiting the beneficial quality improvement spillovers of partial incentives. This paper was accepted by Ranjani Krishnan, accounting. Funding: Support for this research was provided by the Alberta School of Business Faculty Seed Grant and the University of Wisconsin-Madison Office of the Vice Chancellor for Research and Graduate Education, with funding from the Wisconsin Alumni Research Foundation. Supplemental Material: The online appendix and data files are available at https://doi.org/10.1287/mnsc.2023.01062 .

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,849
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,091
Tête enseignante GPT0,355
Écart entre enseignants0,264 · 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'étudeSans objet
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

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueManagement ScienceMême sujetHealthcare Policy and ManagementTravaux en français237 207