エリクハウザー測定法による入院時の死亡率を予測するための入院時の死亡率指標を組み込む:メディケアデータ分析
Jianfang Liu1, Ani Bilazarian2, Madeline M Pollifrone1
1Columbia University School of Nursing, New York, NY.
現在入院時の (POA) インジケーターを無視すると,合併症を誤って分類することで,エリクシャウザー併発性指数のパフォーマンスを膨らませます. 2021 AHRQ Partial-POAガイドラインは,より良い病院の評価と患者のケアのために,疾患の重症度の評価を改善します.
科学分野:
- 医療サービス研究
- 医療情報学
- 流行病学について
背景:
- 保健医療研究および品質庁 (AHRQ) は,エリクシャウザー併発症指数に関する2021年入院時の指標ガイドラインを更新しました.
- 準確な併発性コード化は,病院の有効なパフォーマンス評価と入院時に患者の重症度を測定するために不可欠です.
- 既存の疾患と入院後の合併症を区別することで,医療品質指標の信頼性が向上します.
研究 の 目的:
- 併発症の流行と,入院死亡率のエリックスハウザー併発症指数の予測精度を比較する.
- POAインジケーターを無視する1つを含む3つの異なる併発性コードのガイドラインを評価する.
- 病院での死亡率の予測に対するPOAの影響を評価する.
主な方法:
- メディケアの受給者からの入院管理データの遡及分析.
- 米国6州 (2017年−2019年) の成人医療保険入院患者1,810,106人のデータセットを利用した.
- No-POA,Full-POA,および2021 AHRQ Partial-POAの3つのコーディングアプローチを使用して,入院死亡率を予測するために,弾性ネットモデルを使用した.
主要な成果:
- No-POAアプローチは最高C統計値 (0. 800) を示したが,合併症を併発症として誤って分類した.
- 完全なPOAアプローチは,最も低いC統計値 (0. 768) をもたらしました.
- 2021年のAHRQ部分POAガイドラインは,パフォーマンスと有効性のバランスをとって,中間C統計値 (0.786) を達成した.
結論:
- POAの指標を無視すると,入院後の合併症を誤ってコード化することで,モデルのパフォーマンスを膨らませます.
- 2021年の部分POAガイドラインは,入院時の病気の重さを正確に反映することで,内部有効性を高めます.
- これらの更新されたガイドラインは,病院のパフォーマンス評価,リソースの割り当て,患者のケア品質の改善を支援しています.
さらに関連する動画
06:55Inverse Probability of Treatment Weighting Propensity Score using the Military Health System Data Repository and National Death Index
Published on: January 8, 2020
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
関連する概念動画
Kaplan-Meier Approach
Actuarial Approach
Consider the example of a high-risk surgical procedure with significant early-stage mortality. A two-year clinical study is conducted,...
Comparing the Survival Analysis of Two or More Groups
Healthcare Associated Infections II: Preventive Measures
The best practices for preventing healthcare-associated infections include hand hygiene, patient risk...
Cancer Survival Analysis
Introduction To Survival Analysis
The primary goal of survival analysis is to estimate survival time—the time...
