Efficacy of Statistical Outlier Analysis for Monitoring Quality of Care
统计异常值分析用于监测医疗质量的有效性AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究医院死亡率异常值筛查的模拟表现，未明确采用因果识别、面板或其他所列专门框架，现有分类证据不足。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
统计异常值分析用于监测医疗质量的有效性
- 研究问题
- 以统计模型无法解释的超额死亡率筛查医院，能否有效发现医疗质量问题，其筛查表现受真实死亡过程中的哪些因素影响？
- 方法与思路
- 作者用蒙特卡洛方法，在真实死亡过程的参数发生变化时评估异常值筛查的表现，以考察不同参数设定对筛查效果的影响。
- 材料陈述的贡献
- 摘要称筛查表现对医院之间与医疗质量相关的死亡率差异非常敏感，却对其他通常被认为重要的因素不敏感；具体因素未列明。
- 阅读关注点
- 核对模拟中的医疗质量与死亡率如何关联、异常值判定规则和筛查效果指标，以及参数变化的范围是否覆盖实际医院情境。
- 阅读边界
- 摘要指出直接质量指标难以获取，但未说明模拟设定与现实质量问题的对应关系；不能据此认定超额死亡率能够准确识别低质量医院。
原文摘要
Researchers have proposed that hospitals with excessive statistically unexplained mortality rates are more likely to have quality of care problems. The U.S. Health Care Financing Administration uses this statistical "outlier" approach to screen for poor quality hospitals. Little is known, however, about the validity of this technique because direct quality measures are difficult to obtain. Monte Carlo methods are employed to evaluate outlier technique performance as parameters of the true mortality process are varied. Results suggest that screening performance is very sensitive to variation in quality related mortality across hospitals, but insensitive to other factors generally thought to be important.