Takie podejście zmniejsza surowe szacunki liczby ponownych wizyt w danym regionie skierowania szpitalnego w kierunku średniej krajowej, przy czym wielkość skurczu jest odwrotnie proporcjonalna do wielkości regionu skierowania szpitalnego. Następnie zbadaliśmy powiązanie między każdą miarą planowania wyładowań a skorygowaną o ryzyko 30-dniową stopą readmisji wśród pacjentów przyjmowanych do szpitala, którzy zgłosili oba środki dotyczące absolutorium. Stworzyliśmy wielowymiarowe modele na poziomie pacjenta, które zostały dostosowane do charakterystyki pacjentów i uwzględnione w grupowaniu na poziomie szpitala. Następnie dostosowaliśmy modele uwzględniające czynniki szpitalne, w tym wielkość, status dydaktyczny (zgodnie z definicją członkostwa lub brak członkostwa w Radzie Szpitali Uniwersyteckich), obecność lub nieobecność jednostki intensywnej opieki medycznej (jako dodatkowy wskaźnik doboru pacjentów), region spisowy, lokalizacja (miejska a wiejska), status zysku i stosunek pielęgniarek do spisów (obliczony przez podzielenie liczby równoważnych pielęgniarek w pełnym wymiarze czasu pracy na personel przez 1000 pacjento-dni). Nasze podejście do selekcji zmiennych zostało szerzej opisane w dodatkowym dodatku. Wszystkim pacjentom w danym szpitalu przypisano wartości szpitalne dla zmiennych szpitalnych, takie jak wyniki pomiarów i rozmiarów wypisu. Podajemy wskaźniki readmisji w odniesieniu do planowania absolutorium według kwartyli wydajności na planie planowania absolutorium.
Wreszcie, aby zilustrować potencjalny spadek współczynników readmisji, które można by osiągnąć, gdyby każdy środek planowania w zakresie rozładowania został ulepszony do 90. percentyla wydajności krajowej, wykorzystaliśmy regresję liniową do określenia wielkości związku między wydajnością rozładowania a stopami readmisji. Następnie prognozowaliśmy wskaźniki readmisji w każdym szpitalu, jeśli wydajność tego środka wzrosła do 90. percentyla wydajności w kraju. Na przykład, jeśli 90. percentyl wyników krajowych w badaniu HCAHPS wynosił 85%, a 10-punktowy wzrost wyniku w skali HCAHPS był związany z 1% spadkiem wskaźnika readmisji, danego szpitala, który otrzymał początkowy wynik punktowy HCAHPS 70%, a następnie poprawiona ocena HCAHPS do 85% powinna obniżyć wskaźnik readmisji o 1,5%. Projekcję tę wykonaliśmy dla każdego szpitala, który miał średni wynik poniżej 90 percentyla krajowych wyników i podsumował potencjalny efekt poprawy planowania absolutorium. Szacunki te opierają się wyłącznie na szpitalach, które zgłaszają zarówno dane HQA, jak i HCAHPS, które stanowią prawie 80% hospitalizacji z powodu zapalenia płuc i zastoinowej niewydolności serca.
Więcej informacji o podejściu do modelowania i konkretnych zastosowanych modelach zostało szczegółowo opisanych w Dodatkowym dodatku. Wszystkie podane wartości P są dwustronne i nie zostały skorygowane dla wielokrotnych testów. Wszystkie analizy przeprowadzono przy użyciu oprogramowania SAS (wersja 9.0) lub oprogramowania SUDAAN.
Wyniki
Tabela 1. Tabela 1. Charakterystyka szpitali, które zgłosiły się i tych, które nie zgłosiły instrukcji dotyczących zrzutów w odniesieniu do miar HQA i HCAHPS. Łącznie 2222 szpitale zgłosiły wyniki zarówno w odniesieniu do działań planowych, jak i zgłaszanych przez pacjentów. Zgłoszone szpitale zapewniły 77% całkowitej opieki szpitalnej nad zastoinową niewydolnością serca i 78% opieki szpitalnej nad zapaleniem płuc; w przypadku szpitali, w których nie odnotowano wyników w obu pomiarach, 86% nie dostarczyło danych na temat zgłaszanych przez pacjenta pomiarów, 11% nie dostarczyło danych na temat pomiaru opartego na wykresie, a 3% nie dostarczyło danych na temat jednego z nich
[więcej w: transkrypcje nagrań, anatomia palpacyjna, Dmuchawy bocznokanałowe ]
Powiązane tematy z artykułem: anatomia palpacyjna Dmuchawy bocznokanałowe transkrypcje nagrań