Economic evaluation of hospital-to-home transition interventions: a rapid review protocol
Notice bibliographique
Résumé
Abstract Background Transitions from hospital to home represent a critical juncture associated with hospital readmissions and increased healthcare costs. While interventions exist to improve care transitions, the economic value of these interventions remains limited. By synthesizing economic evaluations of transition interventions, healthcare systems can identify cost-effective strategies to reduce costs and readmission rates to improve outcomes for patients and providers. Objectives 1) Identify the types of economic analyses commonly applied in hospital-to-home evaluations; 2) summarize the financial implications and economic value of these interventions; 3) compare the costs and cost-effectiveness of interventions across care settings and patient populations. Methods We will conduct a rapid review to summarize existing literature on the cost-effectiveness of interventions aimed at improving hospital-to-home transitions. We will search electronic databases (Embase, MEDLINE, CINAHL) to identify studies assessing the economic impact of transition interventions on patient and health system outcomes. We will focus on economic studies, including cost studies, cost-consequence analyses, cost-minimization analyses, cost-effectiveness analyses, cost-benefit analyses, or cost-utility analyses, to understand the economic value of these interventions for both healthcare systems and patients. Implication Evidence on the economic benefits of hospital-to-home interventions can guide efficient and sustainable resource allocation in healthcare systems. Investing in sustainable transition interventions has the potential to lower overall healthcare expenditures while enhancing patient satisfaction and improving health outcomes. We hypothesize that this review will reveal that targeted strategies, such as enhanced discharge planning and home-based discharge supports, can achieve significant cost savings by reducing hospital readmissions and improving patient adherence to post-discharge care plans.
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 | 0,093 | 0,147 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,005 |
| Méta-épidémiologie (sens large) | 0,019 | 0,019 |
| Bibliométrie | 0,019 | 0,018 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,006 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,071 | 0,009 |
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 ».