一种利用行政数据筛选医院护理质量的方法:初步验证结果

将计算机化算法应用于管理数据，以帮助评估医院护理的质量，这很有趣。正如Iezzoni和他的同事所指出的，对于这些努力的价值存在重大的意见分歧。本文在使用管理数据筛选潜在的护理质量问题方面显著地推进了技术的发展。此外，这项查明护理并发症的工作远远超出了许多政府组织对医院死亡率的重视。然而，论文中没有提出的一个问题是:在比较计算机屏幕结果与一组独立医生的共识判断时，敏感性和特异性的实际上限是什么?先进的统计技术(如自举)可用于估计医师群体一致判断的稳定性。当两组医生的判断相互比较时，得出的敏感性和特异性不会是0.99 !此外，对医师小组成员进行更多的培训可能会提高相互间的可靠性。在承认这个问题的同时，研究人员对小组结果的详细分析是有趣的，代表了这类研究的一个模型。希望作者们将在这里开辟的道路上继续进行下去。此外，识别并发症发生率高于预期的设施需要多大程度的准确性?作者讨论了使用行政数据对医院和部门进行更昂贵的质量深入审查所涉及的问题。希望这里报道的有希望的发现将在其他研究中得到验证。当然，他们的算法应该在愿意尝试的保险公司和医院中找到现成的受众。最后，我们是否应该期待更多的研究来改进作者的算法?我相信算法将很难改进;但也许我们不应该为此担心。然而，在某种程度上，试图识别和纠正"最小异常"医院的质量问题的成本将超过收益，特别是考虑到资金的其他用途。我们现在是否已经接近“曲线的平坦”，在开发这样的系统来识别质量问题?这一问题应在今后的研究中进一步讨论。