W ramach Programu Redukcji Odczytów ze Szpitali (Hospital Readmissions Reduction Program, HRRP) ustawy Affordable Care Act (ACA), Centers for Medicare and Medicaid Services (CMS) karze szpitale za trzydziestodniowe wskaźniki readmisji, które przekraczają średnią krajową. Każdego roku CMS porównuje wyniki każdego szpitala w zakresie trzydziestodniowych przyjęć do szpitala w ciągu ostatnich trzech lat, dostosowując się do jego case-mix (przy użyciu metodologii, która uwzględnia wiek, płeć i czynniki kliniczne, takie jak choroby współistniejące i słabość). Szpitale, których wskaźniki readmisji przekraczają wskaźniki przeciętnego szpitala o porównywalnym case-mix, są karane proporcjonalnie do ich nadmiernego wskaźnika readmisji.

Wdrożony w 2013 r., HRRP ukierunkowany na trzydziestodniowe wskaźniki readmisji dla zawału serca, niewydolności serca i zapalenia płuc. W przypadku nadmiaru readmisji program wstrzymał do 1 procent całkowitych refundacji Medicare szpitala w pierwszym roku, ze stopniowym wzrostem do 3 procent po dwóch latach. ACA określiła formułę i pułapy kar, harmonogram wdrożenia oraz początkowe warunki, dla których kary za readmissions będą miały zastosowanie. ACA przyznała również CMS prawo do rozszerzenia programu, jeśli uzna to za stosowne. CMS ostatnio dodał przewlekłą obturacyjną chorobę płuc i elektywną operację wymiany stawu kolanowego i biodrowego i rozważa włączenie większej liczby – być może wszystkich – warunków.

Od czasu wdrożenia HRRP, wskaźnik ponownych przyjęć do szpitala spadł. 1 Chociaż trudno jest oddzielić efekty programu od innych trendów, istnieją pewne dowody na to, że HRRP odniósł sukces w zmniejszaniu liczby trzydziestodniowych readmisji, przynajmniej na początku programu. 2 Jednakże, pomimo pozornego sukcesu programu, wielu obserwatorów wyraziło poważne obawy dotyczące zasad karania, a niektórzy zalecili zmiany w programie. 3,4

Często wyrażane obawy związane są z wpływem programu na szpitale sieci bezpieczeństwa, które obsługują stosunkowo duży odsetek pacjentów o niskich dochodach, u których prawdopodobieństwo ponownej hospitalizacji jest stosunkowo wysokie. 5 Nieproporcjonalnie duża liczba pacjentów wypisywanych ze szpitali objętych siecią bezpieczeństwa nie ma dostępu do potrzebnych w tym momencie zasobów, takich jak wsparcie społeczne i podstawowa opieka zdrowotna. 6,7 Istnieje obawa, że w związku z tym szpitale sieci bezpieczeństwa są narażone na kary z powodu czynników ryzyka, które w dużej mierze pozostają poza kontrolą szpitala. 8 Jako środek zaradczy niektórzy doradcy polityczni argumentowali, że dostosowanie HRRP case-mix powinno obejmować status socjoekonomiczny pacjentów. 5

Do tej pory większość ocen HRRP badała ogólne zmiany w readmisji 1,2 lub identyfikowała cechy szpitali związane z karami. Charakterystyka powiatu – zwłaszcza dostęp do opieki – wyjaśniała prawie połowę krajowej zmienności wskaźników readmisji, 9 a duże szpitale, szpitale kliniczne i szpitale sieci bezpieczeństwa otrzymały większe kary w porównaniu z innymi szpitalami. 10 W żadnym z badań nie analizowano poprawy wskaźników readmisji przez poszczególne szpitale ani nie badano cech szpitali, które odniosły największy sukces w zmniejszaniu liczby readmisji. W tym badaniu przeanalizowano sukces szpitali sieci bezpieczeństwa w zmniejszaniu liczby readmisji w ramach HRRP, w porównaniu z innymi szpitalami w programie.

Dane i metody badawcze

Uzyskaliśmy trzydziestodniowe wskaźniki readmisji dla każdego z trzech początkowych warunków docelowych ze strony internetowej Medicare’s Hospital Compare za lata podatkowe 2013 i 2016. 11 Wskaźniki te są dostosowane do każdego szpitala case-mix; dane nie są zgłaszane dla szpitali z mniej niż dwudziestoma pięcioma wyładowaniami dla danego stanu. Zgodnie z HRRP, tylko szpitale refundowane w ramach systemu płatności perspektywicznych dla pacjentów hospitalizowanych podlegają karom. W związku z tym wykluczyliśmy szpitale o dostępie krytycznym, szpitale Veterans Affairs, szpitale dziecięce i inne szpitale specjalistyczne, które nie są refundowane w ramach tego systemu.

Zmierzyliśmy poprawę szpitali dla każdego warunku jako procentową zmianę punktu procentowego w wskaźniku readmisji między pierwszym a czwartym rokiem programu, dla każdej kombinacji szpitala i stanu, w którym zgłoszono wskaźnik readmisji mierzony w obu latach. 12 Zdefiniowaliśmy szpitale sieci bezpieczeństwa jako najwyższy kwartyl szpitali zgodnie z ich odsetkiem pacjentów kwalifikujących się do Supplemental Security Income, 5,8 i użyliśmy Medicare’s Healthcare Cost Report Information System (HCRIS) do identyfikacji tych szpitali. 13

Użyliśmy dwóch porównań, aby zbadać poprawę w szpitalach sieci bezpieczeństwa w stosunku do poprawy w innych szpitalach w systemie płatności perspektywicznych dla pacjentów hospitalizowanych. Po pierwsze, porównaliśmy szpitale sieci bezpieczeństwa ze wszystkimi innymi szpitalami objętymi HRRP. Po drugie, założyliśmy, że szpitale sieci bezpieczeństwa miały stosunkowo wysokie wskaźniki readmisji w porównaniu z innymi szpitalami na początku programu, a zatem miały ponadprzeciętne możliwości poprawy. Dlatego w analizie pomocniczej ograniczyliśmy obserwacje szpitali niebędących siecią bezpieczeństwa, losując podpróbę tych szpitali z HCRIS dla każdego warunku. Podpróby miały podobną wielkość do próby szpitali safety-net i zostały dopasowane do tej próby na podstawie ich wskaźników readmisji w pierwszym roku programu (szczegóły dotyczące strategii dopasowania, patrz Dodatek online). 14

Przeprowadziliśmy testy t w celu porównania szpitali sieci bezpieczeństwa i innych szpitali, a także porównaliśmy zmiany procentowe punktów procentowych obu grup w wskaźnikach readmisji dla każdego warunku. Następnie zastosowaliśmy analizę regresji, aby porównać procentowe zmniejszenie wskaźników readmisji w szpitalach sieci bezpieczeństwa z redukcją w dopasowanych innych szpitalach. Kluczową zmienną niezależną był binarny wskaźnik statusu sieci bezpieczeństwa.

W analizie regresji uwzględniono kilka korekt dotyczących charakterystyki szpitali, które mogą odpowiadać za różnice w poprawie. Te cechy były następujące cztery zmienne: rozmiar (mniej niż 200 łóżek, 200-399 łóżek lub 400 lub więcej łóżek), stosunek liczby mieszkańców do liczby łóżek (najwyższy kwintyl w porównaniu z czterema najniższymi kwintylami), odsetek pacjentów z Medicare (mniej niż 50 procent lub 50 procent lub więcej) i wskaźnik obłożenia (najwyższy kwintyl w porównaniu z czterema najniższymi kwintylami). Dane o tych zmiennych uzyskaliśmy z pliku historycznego wpływu CMS za rok podatkowy 2013. 15 Wreszcie, korzystając z danych z HCRIS za rok podatkowy 2013, wprowadziliśmy zmienne binarne, które mierzyły dodatnią marżę finansową szpitali i status for-profit. Oszacowaliśmy modele za pomocą SAS, wersja 9.4, używając PROC GENMOD (więcej szczegółów na temat estymacji, patrz Dodatek). 14

Wyniki badania

Wskaźniki readmisji skorygowane o ryzyko dla wszystkich trzech warunków były wyższe w szpitalach sieci bezpieczeństwa niż w innych szpitalach w próbie ogólnej zarówno w latach podatkowych 2013, jak i 2016 ( Exhibit 1 ). Różnice, które wahały się od 0,370 punktu procentowego dla zapalenia płuc w 2016 r. do 1,017 punktu procentowego dla niewydolności serca w 2013 r., były znaczące. Różnice we wskaźnikach readmisji pomiędzy szpitalami sieci bezpieczeństwa a innymi szpitalami zmniejszyły się w ciągu pierwszych trzech lat HRRP. Na przykład w przypadku zawału serca różnica w punktach procentowych spadła z 0,621 do 0,427.

Poprawa nieskorygowanych wskaźników readmisji między rokiem fiskalnym 2013 a rokiem fiskalnym 2016 była większa w szpitalach sieci bezpieczeństwa niż w innych szpitalach w próbie ogólnej dla każdego stanu ( rysunek 2 ). Na przykład liczba ponownych przyjęć z powodu zawału serca spadła o 2,86 punktu procentowego w szpitalach sieci bezpieczeństwa, w porównaniu z 2,64 punktu procentowego w innych szpitalach.

ŹRÓDŁO Autorska analiza na podstawie danych za rok fiskalny 2013 z Medicare Cost Report oraz za lata fiskalne 2013 i 2016 z Medicare Hospital Compare. UWAGI Ogólna próba zawiera wszystkie szpitale w systemie płatności prospektywnych dla pacjentów hospitalizowanych. Dopasowana próba zawiera szpitale sieci bezpieczeństwa i inne szpitale dopasowane do nich pod względem wskaźnika readmisji w roku podatkowym 2013 (pierwszy rok programu). Istotność jest oparta na t -testach różnicy między średnimi. ** p < 0.05 *** p < 0.01 **** p < 0.001

Ale jak zauważono powyżej, w porównaniu z innymi szpitalami, szpitale sieci bezpieczeństwa miały wyższe wskaźniki readmisji na początku, a zatem miały więcej miejsca na poprawę. W związku z tym porównaliśmy również zmiany w wskaźnikach readmisji w szpitalach sieci bezpieczeństwa ze zmianami w innych szpitalach w dopasowanej próbie (których początkowe wskaźniki readmisji były takie same jak w przypadku szpitali sieci bezpieczeństwa). W tych porównaniach szpitale sieci bezpieczeństwa nie wypadły tak dobrze jak inne szpitale. Na przykład, poprawa wskaźników readmisji z powodu zawału serca w szpitalach sieci bezpieczeństwa wyniosła 2,86 punktu procentowego, w porównaniu do 3,20 punktu procentowego w innych szpitalach (rysunek 2).

Wykres 3 przedstawia wyniki analizy regresji porównującej różnice w odsetku punktów procentowych w wskaźnikach readmisji pomiędzy szpitalami sieci bezpieczeństwa a pozostałymi szpitalami w dopasowanej próbie. Kiedy kontrolowaliśmy charakterystykę szpitali, stwierdziliśmy, że różnice w poprawie między dwoma typami szpitali były podobne do nieskorygowanych wyników na Rysunku 2: szpitale safety-net miały mniejszą poprawę niż inne szpitale – na przykład poprawa w przypadku zawału serca była o 0,38 punktu procentowego niższa. Powiązania między zmiennymi, które kontrolowaliśmy, a różnicami w poprawie nie ujawniły żadnych spójnych wzorców.

Dyskusja

Rosnąca literatura sugeruje, że cechy pacjentów szpitala i społeczności, w której jest on zlokalizowany, są kluczowymi czynnikami wyjaśniającymi zmienność w trzydziestodniowych wskaźnikach readmisji. 7,8 W niektórych badaniach uwzględniono zmienne dotyczące pacjentów, takie jak status społeczno-ekonomiczny, przy obliczaniu wskaźników readmisji i stwierdzono znaczne rozbieżności między tymi wskaźnikami a opublikowanymi przez CMS wskaźnikami readmisji. 16,17 W jednym z badań obejmujących 4 073 szpitale stwierdzono, że 58 procent krajowej zmienności wskaźników readmisji zostało wyjaśnione przez cechy powiatu, w którym znajdował się szpital. 9

Znaczenie populacji pacjentów szpitala dla jego wskaźników readmisji jest również widoczne w dystrybucji kar HRRP. Jest dobrze udokumentowane, że szpitale sieci bezpieczeństwa miały większe kary niż inne szpitale. 5,10,18-20 To badanie przyczynia się do poszerzenia wiedzy na temat wyników szpitali sieci bezpieczeństwa w ramach HRRP, określając, jak bardzo poprawiły się ich wskaźniki readmisji. Nasze wyniki wskazują, że ogólnie rzecz biorąc, szpitale sieci bezpieczeństwa osiągnęły większą redukcję wskaźników readmisji między latami podatkowymi 2013 i 2016 niż inne szpitale.

Chociaż różnice w poprawie nie były duże, ustalenie, że różnice między szpitalami safety-net i innymi szpitalami w zakresie wskaźników readmisji i wynikających z nich kar zmniejszyły się, jest pozytywnym wynikiem polityki. Jednakże, gdy porównaliśmy szpitale sieci bezpieczeństwa z innymi szpitalami, które również miały wysokie wskaźniki readmisji na początku, a zatem równie duże pole do poprawy, stwierdziliśmy, że szpitale sieci bezpieczeństwa miały mniejszą redukcję wskaźników readmisji niż inne szpitale. Wynik ten może odzwierciedlać trudności szpitali sieci bezpieczeństwa w radzeniu sobie z czynnikami, które wpływają na wskaźniki readmisji, ale są poza kontrolą szpitali – takimi jak bezdomność pacjentów lub brak wsparcia ze strony rodziny.

Zaniepokojenie wpływem HRRP jest powszechne, a decydenci zalecają różne podejścia do wyrównania szans szpitali w programie. Jedną z opcji jest formalne dostosowanie algorytmu kar do statusu socjoekonomicznego pacjentów. CMS dostosowuje ryzyko readmisji za pomocą metodologii, która została zatwierdzona przez Krajowe Forum Jakości, ale forum ponownie ocenia swoją długo utrzymywaną politykę wykluczania statusu społeczno-ekonomicznego i innych czynników demograficznych w dostosowaniu ryzyka do miar jakości stosowanych do płatności za wyniki. 21 Jednak CMS argumentuje, że włączenie statusu społeczno-ekonomicznego do metodologii korekty ryzyka spowodowałoby obniżenie standardu działania dla szpitali obsługujących populacje o niskim statusie.

W świetle tej obawy, Komisja Doradcza ds. Płatności Medicare (MedPAC) zaproponowała udoskonalenie, które podzieliłoby szpitale na decyle w oparciu o ich udział pacjentów o niskich dochodach i oszacowałoby kary na podstawie porównawczych wyników szpitali w tym samym decylu. 5 Ta modyfikacja pozwoliłaby uniknąć oceny szpitali sieci bezpieczeństwa na tej samej podstawie, co szpitale, które obsługują populacje o wyższym statusie społeczno-ekonomicznym, bez zmiany metodologii korekty ryzyka.

W 2014 r. w Senacie wprowadzono projekt ustawy wzywający do złagodzenia kar dla szpitali sieci bezpieczeństwa, pozostawiając CMS do podjęcia decyzji, jak dokładnie to zrobić. 22 Niedawno Izba Reprezentantów przyjęła ustawę Helping Hospitals Improve Patient Care Act of 2016, 23 która nakazuje CMS stosowanie środka podobnego do tego, co zalecił MedPAC, aby uwzględnić status społeczno-ekonomiczny w najbliższym czasie. Zgodnie z przepisami tej ustawy, stosując korekty HRRP, CMS porównałby wyniki szpitali z podobnym odsetkiem pacjentów podwójnie kwalifikujących się (tych, którzy kwalifikują się zarówno do Medicare, jak i Medicaid). 24 W przyszłości, gdy dane wymagane zgodnie z ustawą Improving Medicare Post-Acute Care Transformation Act (IMPACT) z 2014 r. staną się dostępne, CMS dostosowałby program zgodnie z zaktualizowanymi wynikami badań.

Podczas udoskonalania HRRP decydenci powinni pamiętać, że program kar może nie stanowić najlepszej dźwigni do zachęcania do poprawy wyników w szpitalach sieci bezpieczeństwa. Szpitale mają do czynienia z mieszanymi bodźcami i można założyć, że dla niektórych szpitali kary finansowe w ramach HRRP mogą nie stanowić wystarczającej motywacji do zmniejszenia wskaźników readmisji. 4 Podczas gdy HRRP karze szpitale, których wskaźniki readmisji przekraczają średnią krajową, w ramach systemu płatności perspektywicznych dla pacjentów hospitalizowanych, szpitale otrzymują zwrot kosztów za wszystkich pacjentów poddanych readmisji.

Wdrażanie programów mających na celu zmniejszenie liczby ponownych przyjęć wiąże się z kosztami, które mogą być szczególnie uciążliwe dla szpitali z siecią bezpieczeństwa. Obejmują one poświęcenie czasu personelu na analizę danych i procesów oraz wdrożenie zmian, a także być może nabycie i umożliwienie korzystania z nowych technologii. Budżety szpitali są ograniczone, a administratorzy zdają sobie sprawę, że przeznaczenie dodatkowych zasobów na zmniejszenie wskaźnika readmisji wymaga rezygnacji z alternatywnych wysiłków na rzecz poprawy jakości lub innego wykorzystania tych zasobów, które mogą być postrzegane jako bardziej wartościowe.

Niektórzy administratorzy mogą dojść do wniosku, że uniknięcie ewentualnych kar wynikających z HRRP nie jest warte zachodu. Są oni również świadomi, że chociaż ponoszą 100 procent kar, to ponoszą tylko częściową odpowiedzialność za readmisje; inni świadczeniodawcy – w szczególności lekarze i domy opieki – ponoszą tę odpowiedzialność.

Wniosek

W niniejszym badaniu podjęto próbę odpowiedzi na pytanie, jak szpitale sieci bezpieczeństwa radzą sobie w ramach HRRP w porównaniu z innymi szpitalami objętymi programem. Główne wnioski są takie, że szpitale sieci bezpieczeństwa znacznie poprawiły wskaźniki readmisji i że zmniejszyły się różnice we wskaźnikach między szpitalami obsługującymi wysoki odsetek ubogich pacjentów a tymi obsługującymi niski odsetek takich pacjentów. Mimo to zmniejszenie liczby ponownych przyjęć może być większym wyzwaniem dla szpitali sieci bezpieczeństwa niż dla innych szpitali: Instytucje safety-net nie poprawiły się tak bardzo, jak inne szpitale, które miały początkowo wysokie wskaźniki readmisji. Nasze wyniki wspierają podejście zalecane przez MedPAC jako sposób modyfikowania wysokości kar nakładanych na szpitale z siecią bezpieczeństwa: ocenianie ich w porównaniu z innymi szpitalami z siecią bezpieczeństwa. Pozwoliłoby to utrzymać zachęty do poprawy, ale zmniejszyłoby presję finansową na szpitale safety-net, szczególnie w przypadku tych z populacjami pacjentów o najniższym statusie społeczno-ekonomicznym.

To badanie było wczesnym dochodzeniem w tej sprawie, opartym na wskaźnikach readmisji w początkowych latach HRRP, a poprawa, którą zaobserwowaliśmy, może odzwierciedlać sukces programu w zbieraniu nisko wiszących owoców. Ważne będzie dalsze monitorowanie wyników szpitali sieci bezpieczeństwa w ramach HRRP. Jeśli w przyszłości szpitale te nie zareagują na bodźce HRRP, CMS może rozważyć zastosowanie innych podejść do obniżenia wskaźników readmisji szpitali – takich jak ocena wskaźników w odniesieniu do własnych historycznych danych szpitali lub całkowite wyłączenie szpitali z HRRP i skupienie się na inicjatywach poprawy jakości dla nich.

Zmniejszenie liczby przyjęć do szpitala zapewnia możliwość poprawy wartości w dostarczaniu drogiej opieki szpitalnej na szeroką skalę. Jednak CMS stoi przed poważnymi wyzwaniami w projektowaniu programu motywacyjnego, który osiągnie ten cel bez wywoływania niepożądanych skutków. Byłoby wskazane, aby CMS zwrócił uwagę na cechy szpitali, które odnoszą sukces w zmniejszaniu liczby ponownych przyjęć, gdy modyfikuje i rozszerza HRRP.

PODZIĘKOWANIA

Ta praca została sfinansowana częściowo przez Agencję Badań nad Opieką Zdrowotną i Jakością (Grant nr R03 HS024853-01; Kathleen Carey, główny badacz).

NOTES

• 1 Medicare Payment Advisory Commission . Raport dla Kongresu: Polityka płatności Medicare . Washington (DC) : MedPAC ; 2015 Mar . Dostępne od: http://medpac.gov/docs/default-source/reports/mar2015_entirereport_revised.pdf Google Scholar
• 2 Carey K , Lin M-Y . Readmissions do szpitali w Nowym Jorku spadły dla trzech warunków docelowych od 2008 do 2012 r., Zgodnie z celami Medicare . Health Aff (Millwood) . 2015 ; 34 ( 6 ): 978 – 85 . Przejdź do artykułu, Google Scholar
• 3 Glass D , Lisk C , Stensland J . Dopracowanie programu redukcji liczby hospitalizacji (ang. Hospital Readmissions Reduction Program) . Washington (DC) : Medicare Payment Advisory Commission ; 2012 Sep 7 . Dostępne od: http://medpac.gov/docs/default-source/meeting-materials/september-2012-meeting-presentation-refining-the-hospital-readmissions-reduction-program.pdf?sfvrsn=0 Google Scholar
• 4 Berenson RA , Paulus RA , Kalman NA . Medicare’s readmissions-reduction program-a positive alternative . N Engl J Med . 2012 ; 366 ( 15 ): 1364 – 6 . Crossref, Medline, Google Scholar
• 5 Medicare Payment Advisory Commission . Raport dla Kongresu: Medicare i system świadczenia opieki zdrowotnej . Washington (DC) : MedPAC ; 2013 Jun . Dostępne od: http://medpac.gov/docs/default-source/reports/jun13_entirereport.pdf Google Scholar
• 6 Hu J , Gonsahn MD , Nerenz DR . Status społeczno-ekonomiczny i readmissions: dowody z miejskiego szpitala dydaktycznego . Health Aff (Millwood) . 2014 ; 33 ( 5 ): 778 – 85 . Przejdź do artykułu, Google Scholar
• 7 Singh S , Lin YL , Kuo YF , Nattinger AB , Goodwin JS . Zróżnicowanie ryzyka readmisji wśród szpitali: względny wkład cech pacjenta, szpitala i dostawcy usług stacjonarnych . J Gen Intern Med . 2014 ; 29 ( 4 ): 572 – 8 . Crossref, Medline, Google Scholar
• 8 Joynt KE , Jha AK . Ścieżka naprzód w sprawie readmisji Medicare . N Engl J Med . 2013 ; 368 ( 13 ): 1175 – 7 . Crossref, Medline, Google Scholar
• 9 Herrin J , St. Andre J , Howard K , Joshi MS , Audet AJ , Hines SC . Czynniki wspólnotowe i wskaźniki readmisji do szpitala . Health Serv Res . 2015 ; 50 ( 1 ): 20 – 39 . Crossref, Medline, Google Scholar
• 10 Joynt KE , Jha AK . Charakterystyka szpitali otrzymujących kary w ramach Programu Redukcji Readmisji Szpitalnych . JAMA . 2013 ; 309 ( 4 ): 342 – 3 . Crossref, Medline, Google Scholar
• 11 Data.Medicare.gov . Hospital Compare datasets . Baltimore (MD) : Centers for Medicare and Medicaid Services ; . Dostępne od: https://data.medicare.gov/data/hospital-compare Google Scholar
• 12 Zarówno Hospital Compare, jak i HRRP oparte są na średnich kroczących z tego samego trzyletniego okresu sprawozdawczego: Pierwszy rok HRRP (rok fiskalny 2013) opiera się na okresie sprawozdawczym od 1 lipca 2008 r. do 30 czerwca 2011 r., A czwarty rok (rok fiskalny 2016) opiera się na okresie sprawozdawczym od 1 lipca 2011 r. do 30 czerwca 2014 r.
• 13 CMS.gov . Raporty kosztów . Baltimore (MD) : Centers for Medicare and Medicaid Services ; . Dostępne od: https://www.cms.gov/Research-Statistics-Data-and-Systems/Downloadable-Public-Use-Files/Cost-Reports/ Google Scholar
• 14 Aby uzyskać dostęp do załącznika, kliknij link Dodatek w ramce po prawej stronie artykułu online.
• 15 CMS.gov . Historyczne pliki wpływu dla FY 1994 do chwili obecnej . Baltimore (MD) : Centers for Medicare and Medicaid Services ; . Dostępne od: https://www.cms.gov/Medicare/Medicare-Fee-for-Service-Payment/AcuteInpatientPPS/Historical-Impact-Files-for-FY-1994-through-Present.html Google Scholar
• 16 Nagasako EM , Reidhead M , Waterman B , Dunagan WC . Dodanie danych socjoekonomicznych do obliczeń readmisji szpitalnych może przynieść bardziej przydatne wyniki . Health Aff (Millwood) . 2014 ; 33 ( 5 ): 786 – 91 . Przejdź do artykułu, Google Scholar
• 17 Barnett ML , Hsu J , McWilliams JM . Charakterystyka pacjentów i różnice w wskaźnikach readmisji do szpitala . JAMA Intern Med . 2015 ; 175 ( 11 ): 1803 – 12 . Crossref, Medline, Google Scholar
• 18 Gilman M , Adams EK , Hockenberry J , Wilson IN , Milstein AS , Becker ER . Kalifornijskie szpitale safety-net prawdopodobnie zostaną ukarane przez wartość ACA, readmisję i programy meaningful-use . Health Aff (Millwood) . 2014 ; 33 ( 8 ): 1314 – 22 . Przejdź do artykułu, Google Scholar
• 19 American Hospital Association . Rethinking the Hospital Readmissions Reduction Program . Waszyngton (DC) : AHA ; 2015 Mar . (TrendWatch). Dostępne od: http://www.aha.org/research/reports/tw/15mar-tw-readmissions.pdf Google Scholar
• 20 Gilman M , Hockenberry JM , Adams EK , Milstein AS , Wilson IB , Becker ER . Efekt finansowy zakupów opartych na wartości i programu redukcji liczby hospitalizacji (Hospital Readmissions Reduction Program) na szpitalach sieci bezpieczeństwa w 2014 roku: badanie kohortowe . Ann Intern Med . 2015 ; 163 ( 6 ): 427 – 36 . Crossref, Medline, Google Scholar
• 21 National Quality Forum . Znajdowanie właściwego dostosowania . Waszyngton (DC) : NQF ; c 2016 . Dostępne od: http://www.qualityforum.org/Finding_The_Right_Adjustment.aspx Google Scholar
• 22 Congress.gov . S.2501-Hospital Readmissions Program Accuracy and Accountability Act of 2014 . Washington (DC) : Congress ; . Dostępne od: https://www.congress.gov/bill/113th-congress/senate-bill/2501/text Google Scholar
• 23 Congress.gov . H.R.5273-Helping Hospitals Improve Patient Care Act of 2016 . Washington (DC) : Congress ; . Dostępne od: https://www.congress.gov/bill/114th-congress/house-bill/5273 Google Scholar
• 24 House Ways and Means Committee . The Helping Hospitals Improve Patient Care Act of 2016 (H.R. 5273): streszczenie . Washington (DC) : House of Representatives ; . Dostępne od: http://tiberi.house.gov/uploadedfiles/hipc_summary_final.pdf Google Scholar
• 25 Boutwell A . Czas, aby poważnie podejść do kwestii readmisji szpitalnych . Blog Health Affairs . 2012 Oct 10 . Dostępne od: http://healthaffairs.org/blog/2012/10/10/time-to-get-serious-about-hospital-readmissions/ Google Scholar

.