MétaCan
Menu
Retour à la cohorte
Enregistrement W6910014426 · doi:10.3886/e122901

Community Factors and Hospital Readmission Rates

2020· dataset· en· W6910014426 sur OpenAlexaboutno aff

Notice bibliographique

RevueICPSR Data Holdings · 2020
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicaidQuarter (Canadian coin)Socioeconomic statusCommunity healthVariance (accounting)Logistic regressionHealth careHospital readmission

Résumé

récupéré en direct d'OpenAlex

Background The environment in which a patient lives influences their health outcomes. However, the degree to which community factors are associated with readmissions is uncertain. Objective To estimate the influence of community factors on the Centers for Medicare & Medicaid Services risk-standardized hospital-wide readmission measure (HWR). Research Design We assessed 71 community factors in 6 domains related to health outcomes: clinical care; health behaviors; social and economic factors; the physical environment; demographics; and social capital. Subjects Medicare fee-for-service patients eligible for the HWR measure between July 2014-June 2015 (n= 6,790,723). Patients were linked to community factors using their 5-digit zip code of residence. Methods We used a random forest algorithm to rank factors for their importance in predicting hospital HWR scores. Factors were entered into 6 domain-specific multivariable regression models in order of decreasing importance. Factors with with P-values <0.10 were retained for a final model, after eliminating any that were collinear. Results Among 71 community factors, 19 were retained in the 6 domain models and the final model. Domains which explained the most to least variance in HWR were: physical environment (R2=15%); clinical care (12%); demographics (11%); social and economic environment (7%); health behaviors (9%); and social capital (8%). In the final model, the 19 factors explained more than a quarter of the variance in readmission rate (R2=27%). Conclusions Readmissions for a wide range of clinical conditions are influenced by factors relating to the communities in which patients reside. These findings can be used to target efforts to keep patients out of the hospital.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut 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: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,108
Tête enseignante GPT0,339
Écart entre enseignants0,231 · 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 source (Gemma direct ou Codex distillé), 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
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueICPSR Data HoldingsTravaux en français237 207