Posted by on 1 lipca 2018

Zgłosiliśmy standaryzowane pod względem ryzyka wskaźniki readmisji, status nauczyciela, status sieci bezpieczeństwa, region geograficzny, status miejski lub wiejski oraz liczbę łóżek w szpitalach w odpowiednim kwartylu. Po drugie, opisywaliśmy pacjentów w każdym z porównań w parach kwartyli (tj. Kwartyle i 2, kwartyle 2 vs. 3, kwartyle 3 i 4, kwartyle i 3, kwartyle 2 i 4 oraz kwartyle 1). vs. 4). Podajemy wiek pacjentów, rasę, płeć, status podwójnego kwalifikowalności, status społeczno-ekonomiczny, region geograficzny i czas między rekrutacją. Podwójnych beneficjentów zostały zdefiniowane jako osoby, które zostały zarejestrowane zarówno w Medicaid i Medicare. Beneficjenci o niskim statusie społeczno-ekonomicznym zostali zdefiniowani jako osoby z najniższej kwartyliowej grupy wskaźników statusu społeczno-ekonomicznego Agencji Badań i Jakości w Ochronie Zdrowia, która jest złożoną miarą statusu społeczno-ekonomicznego, która została obliczona na podstawie siedmiu działań dane grupowe z spisu powszechnego w USA z 2000 r.21 Podaliśmy także kolejność przyjęć, aby ustalić, czy doszło do braku równowagi pod względem tego, czy pacjent został po raz pierwszy przyjęty do szpitala o wyższej skuteczności, czy do szpitala o niższym skutku.
Po trzecie, dla każdej pary kwartyli wydajności (kwartyl vs 2, kwartyl vs 3 itd.), Obliczyliśmy różnicę w obserwowanych częstościach 30-dniowej nieplanowanej readmisji z dowolnej przyczyny wśród pacjentów, którzy wnieśli parę ta para kwartylu. Nasza podstawowa konkluzja obejmowała testowanie sześciu zerowych hipotez tak, że dla każdej z sześciu par kwartylowych, współczynniki readmisji byłyby równe w dwóch parach kwartalnych o zadanych parametrach. Aby utrzymać wskaźnik błędu dla rodziny równy 0,05, użyliśmy korekty Bonferroni wskazującej, że wymagany jest poziom istotności wynoszący 0,0083. Zastosowaliśmy również procedurę Bonferroniego do skonstruowania 95% równoczesnych przedziałów ufności.
Następnie porównaliśmy pacjentów w badanej próbie z tymi, którzy zostali wykluczeni. Aby określić podobieństwo diagnoz na najbardziej szczegółowym poziomie, porównaliśmy kod główny diagnozy rozładowania z Międzynarodowej Klasyfikacji Chorób, Dziewiątej Edycji, Modyfikacji Klinicznej (ICD-9-CM) dla przyjęć w każdym kwartylu. Zidentyfikowaliśmy 50 najlepszych kodów diagnostycznych ICD-9-CM w każdym kwartylu i podsumowaliśmy różnice w odsetkach kodów diagnostycznych dla każdej pary kwartyli w histogramach. Na koniec porównaliśmy charakterystykę przyjęć dla każdej hospitalizacji dla każdej pary kwartyli, aby uzyskać więcej informacji o podobieństwie przyjęć. Obliczono znormalizowaną różnicę jako średnie lub proporcje dla każdej charakterystyki przyjęcia. Do analizy używaliśmy oprogramowania SAS, wersja 9.4 (SAS Institute).
Wyniki
Kohorty badania
Rysunek 1. Rysunek 1. Schemat przepływu dla konstrukcji Studium-Kohorta. Aby zbudować próbę badania, kwalifikujące się szpitalne zrzuty zostały losowo podzielone na dwie grupy: próbkę – klasyfikacja wydajności i druga losowa połowa. Próbę klasyfikacji wyników wykorzystano do określenia standaryzowanych współczynników readmisji w skali całego szpitala oraz do klasyfikacji szpitali w kwartyli z wynikami readmisji. Druga losowa połowa ogólnej próbki wyładowania została wykorzystana do identyfikacji pacjentów, którzy zostali przyjęci do szpitali w różnych kwartylach
[patrz też: cyjanokobalamina, wyposażenie stajni, bezdechy nocne leczenie ]

Powiązane tematy z artykułem: bezdechy nocne leczenie cyjanokobalamina wyposażenie stajni

Posted by on 1 lipca 2018

Zgłosiliśmy standaryzowane pod względem ryzyka wskaźniki readmisji, status nauczyciela, status sieci bezpieczeństwa, region geograficzny, status miejski lub wiejski oraz liczbę łóżek w szpitalach w odpowiednim kwartylu. Po drugie, opisywaliśmy pacjentów w każdym z porównań w parach kwartyli (tj. Kwartyle i 2, kwartyle 2 vs. 3, kwartyle 3 i 4, kwartyle i 3, kwartyle 2 i 4 oraz kwartyle 1). vs. 4). Podajemy wiek pacjentów, rasę, płeć, status podwójnego kwalifikowalności, status społeczno-ekonomiczny, region geograficzny i czas między rekrutacją. Podwójnych beneficjentów zostały zdefiniowane jako osoby, które zostały zarejestrowane zarówno w Medicaid i Medicare. Beneficjenci o niskim statusie społeczno-ekonomicznym zostali zdefiniowani jako osoby z najniższej kwartyliowej grupy wskaźników statusu społeczno-ekonomicznego Agencji Badań i Jakości w Ochronie Zdrowia, która jest złożoną miarą statusu społeczno-ekonomicznego, która została obliczona na podstawie siedmiu działań dane grupowe z spisu powszechnego w USA z 2000 r.21 Podaliśmy także kolejność przyjęć, aby ustalić, czy doszło do braku równowagi pod względem tego, czy pacjent został po raz pierwszy przyjęty do szpitala o wyższej skuteczności, czy do szpitala o niższym skutku.
Po trzecie, dla każdej pary kwartyli wydajności (kwartyl vs 2, kwartyl vs 3 itd.), Obliczyliśmy różnicę w obserwowanych częstościach 30-dniowej nieplanowanej readmisji z dowolnej przyczyny wśród pacjentów, którzy wnieśli parę ta para kwartylu. Nasza podstawowa konkluzja obejmowała testowanie sześciu zerowych hipotez tak, że dla każdej z sześciu par kwartylowych, współczynniki readmisji byłyby równe w dwóch parach kwartalnych o zadanych parametrach. Aby utrzymać wskaźnik błędu dla rodziny równy 0,05, użyliśmy korekty Bonferroni wskazującej, że wymagany jest poziom istotności wynoszący 0,0083. Zastosowaliśmy również procedurę Bonferroniego do skonstruowania 95% równoczesnych przedziałów ufności.
Następnie porównaliśmy pacjentów w badanej próbie z tymi, którzy zostali wykluczeni. Aby określić podobieństwo diagnoz na najbardziej szczegółowym poziomie, porównaliśmy kod główny diagnozy rozładowania z Międzynarodowej Klasyfikacji Chorób, Dziewiątej Edycji, Modyfikacji Klinicznej (ICD-9-CM) dla przyjęć w każdym kwartylu. Zidentyfikowaliśmy 50 najlepszych kodów diagnostycznych ICD-9-CM w każdym kwartylu i podsumowaliśmy różnice w odsetkach kodów diagnostycznych dla każdej pary kwartyli w histogramach. Na koniec porównaliśmy charakterystykę przyjęć dla każdej hospitalizacji dla każdej pary kwartyli, aby uzyskać więcej informacji o podobieństwie przyjęć. Obliczono znormalizowaną różnicę jako średnie lub proporcje dla każdej charakterystyki przyjęcia. Do analizy używaliśmy oprogramowania SAS, wersja 9.4 (SAS Institute).
Wyniki
Kohorty badania
Rysunek 1. Rysunek 1. Schemat przepływu dla konstrukcji Studium-Kohorta. Aby zbudować próbę badania, kwalifikujące się szpitalne zrzuty zostały losowo podzielone na dwie grupy: próbkę – klasyfikacja wydajności i druga losowa połowa. Próbę klasyfikacji wyników wykorzystano do określenia standaryzowanych współczynników readmisji w skali całego szpitala oraz do klasyfikacji szpitali w kwartyli z wynikami readmisji. Druga losowa połowa ogólnej próbki wyładowania została wykorzystana do identyfikacji pacjentów, którzy zostali przyjęci do szpitali w różnych kwartylach
[patrz też: cyjanokobalamina, wyposażenie stajni, bezdechy nocne leczenie ]

Powiązane tematy z artykułem: bezdechy nocne leczenie cyjanokobalamina wyposażenie stajni