Model voor het voorspellen van ziekenhuisheropnames
Modellen voor ziekenhuisheropnames gebruiken statistische en machine learning technieken om patiënten met een hoog risico op een spoedige terugkeer naar het ziekenhuis na ontslag te identificeren. Deze modellen sturen gerichte ontslagplanning en follow-up aan om uitkomsten te verbeteren en kosten te verlagen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- Jencks, S. F., Williams, M. V., & Coleman, E. A. (2009). Rehospitalizations among patients in the Medicare fee-for-service program. New England Journal of Medicine, 360(14), 1418–1428. DOI: 10.1056/NEJMsa0803563 ↗
- Krumholz, H. M., Normand, S. L. T., & Wang, Y. (2014). Trends in hospitalizations and outcomes for acute myocardial infarction, 2006 to 2011. Circulation, 132(4), 362–366. link ↗
- Philbin, E. F., & DiSalvo, T. G. (1998). Prediction of hospital readmissions for heart failure: development of a simple risk score based on administrative data. Journal of the American College of Cardiology, 33(6), 1560–1566. DOI: 10.1016/s0735-1097(99)00059-5 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Predictive Modeling for Hospital Readmission Risk and Prevention. ScholarGate. https://scholargate.app/nl/healthcare-management/hospital-readmission-model
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- DEA ZiekenhuisefficiëntieZorgmanagement↔ vergelijken
- Model voor ziekenhuisbedbezettingZorgmanagement↔ vergelijken
- Lean in de GezondheidszorgZorgmanagement↔ vergelijken
- PatiëntenstromensimulatieZorgmanagement↔ vergelijken
- Personeelsratio-analyseZorgmanagement↔ vergelijken
Geciteerd door
Similar methods
Een fout op deze pagina gezien? Meld het of stel een correctie voor →