MétaCan
Menu
Retour à la cohorte
Enregistrement W8071368 · doi:10.3233/978-1-58603-979-0-496

Use of Case Mix Tools for Utilization Management and Planning

2009· article· en· W8071368 sur OpenAlexaffabout
Sheril Perry, Craig Homan

Notice bibliographique

RevueStudies in health technology and informatics · 2009
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Operations and Scheduling Optimization
Établissements canadiensCanadian Institute for Health Information
Organismes subventionnairesnon disponible
Mots-clésBenchmark (surveying)Utilization managementHealth careCase mix indexBusinessPopulationOperations managementHealth informationMedical emergencyMedicineActuarial scienceComputer scienceEnvironmental healthNursingEngineeringEconomicsGeography

Résumé

récupéré en direct d'OpenAlex

An aging population, new technologies and drugs, and tightening constraints on financial and human resources have placed increased demands on hospitals to meet health care needs. Canadian hospitals, health regions, and ministries are placing a high priority on the evaluation of appropriateness and efficiency of medical care and on the proactive and targeted reduction of inefficiencies. The CMG+ grouping methodology is a case mix tool produced by the Canadian Institute for Health Information (CIHI) to analyze the acute-care inpatient population in Canada. CMG+ methodology can be applied, for example, to utilization management. The expected length of stay (ELOS) indicator can be used as a benchmark for assessing the length-of-stay distribution of various subgroups of patient activity. It can also be used to compute potentially conservable days and to identify those patient subgroups where gains in efficiency may be realized. We describe CMG+ utilization management using this and other examples.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,595
Score d'incertitude au seuil0,503

Scores Codex et Gemma par catégorie

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

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 Opus0,399
Tête enseignante GPT0,527
Écart entre enseignants0,127 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations11
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStudies in health technology and informaticsMême sujetHealthcare Operations and Scheduling OptimizationTravaux en français237 207