在全国数据库中识别住院儿科服务

科学领域:

• 医疗保健服务研究 医疗服务研究
• 儿科健康 儿科健康
• 数据科学数据科学数据科学

背景情况:

• 儿童医院服务的国家统计数据因数据来源不同而有所不同.
• 相互矛盾的估计阻碍了对儿科服务可访问性的准确评估.
• 标准化数据对于理解和改善儿科护理准入至关重要.

研究的目的:

• 在三个国家数据集中评估儿科住院服务报告的准确性.
• 探索机器学习模型,以在合并数据集中增强儿科服务识别.
• 为优化国家卫生政策中的儿科服务定义提供见解.

主要方法:

• 一项横截面研究分析了3114家美国医院,使用美国医院协会 (AHA),医疗保险和医疗补助服务中心 (POS) 和国家儿科准备项目 (NPRP) 的数据.
• 测试特征 (F1分数) 计算了四个儿科服务:新生儿,新生儿重症监护,一般儿科住院患者和儿科重症监护.
• 在一个合并的数据集上测试了后勤回归,随机森林,梯度增强树木和基于规则的模型,以改善服务识别.

主要成果:

• 国家儿科准备项目 (NPRP) 确定了提供特定儿科服务的医院的不同百分比.
• 根据服务,AHA/POS数据和NPRP数据之间的一致性不同;AHA显示新生儿和儿科重症监护的一致性更高,而POS显示一般儿科护理的一致性更高.
• 合并数据集在确定儿科服务的准确性方面表现出了适度的改善.

结论:

• 在常用的国家数据集中报告儿科服务存在重大差异.
• 这些发现突出了对标准化定义和改善儿科卫生服务数据质量的需求.
• 该研究的结果可以为优化服务线定义和增强儿科医疗保健政策的策略提供信息.