Empirische Bayes-Methoden zur Schätzung von krankenhaus-spezifischen Sterblichkeitsraten

Wir präsentieren alternative Methoden zur Schätzung von Sterblichkeitsraten auf Krankenhausniveau, die von der Gesundheitsfinanzverwaltungsbehörde für Medicare-Patienten verwendet werden. Wir verwenden ein empirisches Bayes-Modell, um die verschiedenen Variationsquellen in den beobachteten krankenhaus-spezifischen Sterblichkeitsraten darzustellen, und wir nutzen ein logistisches Regressionsmodell, um die Unterschiede in der Schwere (im Patientenmix) zwischen den Krankenhäusern anzupassen. Neben der Bereitstellung einer fundierten Ableitung eines Standardfehlers für den häufig verwendeten Schätzer liefert unsere vollständig modellbasierte Formulierung wesentlich genauere Schätzungen und löst das gravierende Problem mehrerer Vergleiche, das auftritt, wenn extreme Schätzungen verwendet werden, um außergewöhnliche Krankenhäuser zu identifizieren. Wir schätzen Modelle für jede von vier Krankheitszuständen unter Verwendung der nationalen Medicare-Sterblichkeitsdatenbank, die keine Schwerebeschreibungen der Patienten enthält, sowie Sterblichkeitsdaten aus nationalen Stichproben, die jedoch Schwerebeschreibungen von Patienten enthalten. Wir finden erhebliche Unterschiede zwischen den Krankenhäusern in den nicht angepassten Sterberaten aus der nationalen Datenbank. Die Sterblichkeitsraten unterscheiden sich erheblich in Abhängigkeit von der Schwere der Patienten in unseren Modellen, aber die Stichprobengrößen sind zu klein, um zuverlässige Schätzungen der zwischen den Krankenhäusern variierenden angepassten Sterblichkeitsraten zu liefern.