Clinical factors contributing to high cost hospitalizations in a Canadian tertiary care centre
Notice bibliographique
Résumé
Background Like much of the developed world, healthcare costs in Canada are rising. A small proportion of patients account for a large proportion of healthcare spending and much of this spending occurs in acute care settings. The purpose of our study was to determine potentially modifiable factors related to care processes that contribute to high-cost admissions. Methods Using a mixed-methods study design, factors contributing to high-cost admissions were identified from literature and case review. We defined pre- and post-admission factors contributing to high-cost admissions. Pre-admission factors included reason for admission (e.g. complex medical, elective surgery, trauma, etc.). Post-admission factors included medical complications, disposition delays, clinical services delays, and inefficient clinical decision-making. We selected a random sample of admissions in the top decile of inpatient cost from the Ottawa Hospital between January 1 and December 31, 2010. A single reviewer classified cases based on the pre- and post-admission factors. We combined this information with data derived from the Ottawa Hospital Data Warehouse to describe patient-level clinical and demographic characteristics and costs incurred. Results We reviewed 200 charts which represents ~5% of all high cost admissions within the Ottawa Hospital in 2010. Post-admission factors contributing to high-cost admissions were: complications (60%), disposition delays (53%), clinical service delays (39%), and inefficient clinical decision-making (13%). Further, these factors varied substantially across service delivery lines. The mean (standard deviation (SD)) cost per admission was $49,923 CDN ($45,773). The most common reason for admission was “complex medical” (49%) and the overall median (IQR) length of stay was 27 (18–48) days. Approximately 1 in 3 high cost admissions (29%) included time in the intensive care unit (ICU). Conclusions While high cost admissions often include time in ICU and have long lengths of stay, a substantial proportion of costs were attributable to complications and potentially preventable delays in care processes. These findings suggest opportunities exist to improve outcomes and reduce costs for this diverse patient population.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,007 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».