Correlation Between Diagnosis-Related Group Weights and Nursing Time in the Cardiology Department: Cross-Sectional Study
Notice bibliographique
Résumé
BACKGROUND: Diagnosis-related group (DRG) payment has become the main way of medical expenses settlement, and its application is more and more extensive. OBJECTIVE: This study aimed to explore the correlation between DRG weights and nursing time and to develop a predictive model for nursing time in the cardiology department based on DRG weights and other factors. METHODS: The convenience sampling method was used to select patients who were hospitalised in the cardiology ward of our hospital between April 2023 and April 2024 as the study participants. Nursing time was measured by direct and indirect nursing time. For the distribution of nursing time with different demographic characteristics, Pearson correlation was used to analyse the relationship between DRG weights and nursing time and multiple linear regression was used to analyse the influencing factors of total nursing time. RESULTS: A total of 103 subjects were included in this study. The DRG weights were positively correlated with ln(direct nursing time), ln(indirect nursing time) and ln(total nursing time) (r = 0.480, r = 0.394, r = 0.448, all P < .001). Moreover, age was positively correlated with the three nursing times (r = 0.235, r = 0.192, r = 0.235, all P < .001); activities of daily living (ADL) on admission was negatively correlated with the three nursing times (r = -0.316, r = -0.252, r = -0.301, all P < .001); and nursing level on the first day of admission was positively correlated with the three nursing times (r = 0.333, r = 0.332, r = 0.352, all P < .001). Furthermore, the multivariate analysis found that nursing levels on the first day of admission, complications or comorbidities, DRG weights and ADL on admission were the influencing factors of the nursing time of patients (R2 = 0.328, F = 69.58, P < .001). CONCLUSIONS: Diagnosis-related group weights showed a strong correlation with nursing time and can be used to predict nursing time, which may assist in nursing resource allocation in cardiology departments.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».