嫄닿컯蹂댄뿕 泥�援щ챸�꽭�꽌 �옄猷뚮�� �씠�슜�븳 �젣�솗�젅媛� 遺꾨쭔�쑉 �쐞�뿕�룄 蹂댁젙�쓽 �슚怨�
Notice bibliographique
Résumé
Objectives: To propose a risk-adjustment model from insurance claims data, and analyze the changes in cesarean section rates of healthcare organizations after adjusting for risk distribution. \nMethods: The study sample included delivery claims data from January to September, 2003. A risk-adjustment model was built using the 1st quarter data, and the 2nd and 3rd quarter data were used for a validation test. Patients' risk factors were adjusted using a logistic regression analysis. The c-statistic and Hosmer-Lemeshow test were used to evaluate the performance of the risk-adjustment model. Crude, predicted and risk-adjusted rates were calculated, and compared to analyze the effects of the adjustment. \nResults: Nine risk factors (malpresentation, eclampsia, malignancy, multiple pregnancies, problems in the placenta, previous Cesarean section, older mothers, bleeding and diabetes) were included in the final risk-adjustment model, and were found to have statistically significant effects on the mode of delivery. The c-statistic (0.78) and Hosmer-Lemeshow test (x2=0.60, p=0.439) indicated a good model performance. After applying the 2nd and 3rd quarter data to the model, there were no differences in the c-statistic and Hosmer-Lemeshow x2. Also, risk factor adjustment led to changes in the ranking of hospital Cesarean section rates, especially in tertiary and general hospitals. \nConclusion: This study showed a model performance, using medical record abstracted data, was comparable to the results of previous studies. Insurance claims data can be used for identifying areas where risk factors should be adjusted. The changes in the ranking of hospital Cesarean section rates implied that crude rates can mislead people and therefore, the risk should be adjusted before the rates are released to the public. The proposed risk-adjustment model can be applied for the fair comparisons of the rates between hospitals.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».