Descriptors
Documents disponibles dans cette catégorie (12)
Add the result to your basket Make a suggestion Refine your search Apply to external sourcesExtend search on down-posting(s)
Applied longitudinal data analysis for epidemiology / Jos W. R. Twisk / Cambridge [U.K.] : Cambridge University Press (2003)
ISBN : 978-0-521-81976-3 : 54,45 €
Languages : English (eng)
Descriptors: Classification
WA 105 Epidemiology
Indexation
Data Interpretation, Statistical ; Epidemiologic Studies ; Epidemiology ; Longitudinal Studies ; Models, Statistical ; Statistical methodsAbstract: In this book the most important techniques available for longitudinal data analysis are discussed. This discussion includes simple techniques such as the paired t-test and summary statistics, but also more sophisticated techniques such as generalised estimating equations and random coefficient analysis. A distinction is made between longitudinal analysis with continuous, dichotomous, and categorical outcome variables. It should be stressed that the emphasis of the discussion lies on the interpretation of the different techniques and on the comparison of the results of different techniques. Furthermore, special chapters will deal with the analysis of two measurements, experimental studies and the problem of missing data in longitudinal studies. Finally, an extensive overview of (and a comparison between) different software packages is provided. It is important to realise that this book is a practical guide and especially suitable for non-statisticians.
• Clearly understandable by non-statisticians
• Compares and contrasts different techniques and methods of analysis
• Illustrated with examples of real-life research questionsContents note: 1. Introduction; 2. Study design; 3. Continuous outcome variables; 4. Continuous outcome variables - relationships with other variables; 5. Other possibilities to model longitudinal data; 6. Dichotomous outcome variables; 7. Categorical and 'count' outcome variables; 8. Longitudinal studies with two measurements: the definition and analysis of change; 9. Analysis of experimental studies; 10. Missing data in longitudinal studies; 11. Tracking; 12. Software for longitudinal data-analysis; 13. Sample size calculations; Index. Record link: https://kce.docressources.info/index.php?lvl=notice_display&id=102 Hold
Place a hold on this item
Copies(1)
Barcode Call number Media type Location Section Status 10273-00413 WA105/TWI Book KCE Library (10.124) Available
ISBN : 0-471-38771-1 : 105,00 €
Languages : English (eng)
Descriptors: Classification
WA 950 Theory or methods of medical statistics
Indexation
Data Interpretation, Statistical ; Public HealthAbstract: While mapped data provide a common ground for discussions between the public, the media, regulatory agencies, and public health researchers, the analysis of spatially referenced data has experienced a phenomenal growth over the last two decades, thanks in part to the development of geographical information systems (GISs). This is the first thorough overview to integrate spatial statistics with data management and the display capabilities of GIS. It describes methods for assessing the likelihood of observed patterns and quantifying the link between exposures and outcomes in spatially correlated data.
This introductory text is designed to serve as both an introduction for the novice and a reference for practitioners in the field
Requires only minimal background in public health and only some knowledge of statistics through multiple regression
Touches upon some advanced topics, such as random effects, hierarchical models and spatial point processes, but does not require prior exposure
Includes lavish use of figures/illustrations throughout the volume as well as analyses of several data sets (in the form of "data breaks")
Exercises based on data analyses reinforce conceptsRecord link: https://kce.docressources.info/index.php?lvl=notice_display&id=479 Hold
Place a hold on this item
Copies(1)
Barcode Call number Media type Location Section Status 10273-00620 WA 950/ WAL Book KCE Library (10.124) Available Readers who borrowed this document also borrowed:
Survival analysis using the SAS system Allison, Paul David Decision Modelling for Health Economic Evaluation Briggs, Andrew H. Multilevel modelling of health statistics Goldstein, Harvey, Leyland, A. H. SAS survival analysis techniques for medical research Cantor, Alan Organisatie van de gezondheidszorg Callens, Stefaan Categorical data analysis Agresti, Alan Répertoire Commenté des Médicaments Eléments d'épidémiologie Beaglehole, R. Epidemiology Rothman, Kenneth J. Applied survey data analysis Heeringa, Steven An Introduction to Infectious Disease Modelling Vynnycky, Emilia 
ISSN : D/2016/10.273/60 : € 0,00
Languages : Dutch (nla)
Descriptors: Classification
WX 157.8 Diagnosis-related groups
Indexation
2015-53 ; Cluster Analysis ; Data Interpretation, Statistical ; Health Care Reform ; R270Abstract: In het vooruitzicht van de hervorming van de ziekenhuisfinanciering publiceert het Federaal Kenniscentrum voor de Gezondheidszorg (KCE) een eerste verkennende studie over het clusteren van ziekenhuisverblijven. Voor de laagvariabele cluster werd ook een variabiliteitsanalyse uitgevoerd, om de pathologiegroepen te identificeren die in aanmerking komen voor een prospectieve forfaitaire vergoeding. Contents note: VOORWOORD 1 -- SYNTHESE 2 -- 1. INLEIDING 5 -- 1.1. ACHTERGROND 5 -- 1.2. SCOPE EN DOELSTELLINGEN 7 -- 1.3. METHODEN 7 -- 2. ACHTERGRONDINFORMATIE OVER ZIEKENHUISFINANCIERING IN BELGIË 8 -- 2.1. HET BUDGET VAN FINANCIËLE MIDDELEN 8 -- 2.2. ARTSENHONORARIA 9 -- 2.3. GEMENGDE FINANCIERING VOOR FARMACEUTISCHE SPECIALITEITEN 10 -- 2.4. FINANCIERING VOOR DAGOPNAMES 11 -- 3. BEPALEN VAN DE DRIE CLUSTERS 12 -- 3.1. WELKE GEGEVENS ZIJN GEBRUIKT? 12 -- 3.1.1. Minimale Ziekenhuisgegevens (MZG) 12 -- 3.1.2. Facturatiegegevens van ziekenhuizen (AZV en ADH) 13 -- 3.1.3. Technische Cel gegevens (TCT) 13 -- 3.1.4. Analysedataset 14 -- 3.2. METHODE VAN CLUSTERANALYSE 16 -- 3.2.1. Wat is een clusteranalyse? 16 -- 3.2.2. Keuze van de clusteringmethode 16 -- 3.2.3. Welke variabelen zijn geselecteerd? 17 -- 3.2.4. Validatie van de clusters 17 -- 3.2.5. Grensoverschrijdende gevallen 18 -- 3.3. RESULTATEN CLUSTERANALYSE 19 -- 3.3.1. Selectie van variabelen met HINoV 19 -- 3.3.2. Beschrijving van de drie clusters. 20 -- 3.3.3. Validatie van de drie clusters 24 -- 3.4. KUNNEN DE CLUSTERS ALS BASIS WORDEN GEBRUIKT VOOR DRIE VERSCHILLENDE FINANCIERINGSSYSTEMEN? 25 -- 4. BEPALEN VAN APR-DRG'S VOOR EEN FORFAITAIRE VERGOEDING PER OPNAME 27 -- 4.1. SCOPE 27 -- 4.2. VISUALISEREN VAN DE VARIABILITEIT VAN APR-DRG-SOI'S IN DE LAAGVARIABELE CLUSTER 28 -- 4.2.1. Zoeken van patronen van lage variabiliteit binnen en tussen ziekenhuizen 28 -- 4.2.2. Weergeven van de variabiliteit op de oorspronkelijke schaal van de variabele 28 -- 4.3. EEN VOORBEELD: APR-DRG 301 – VERVANGING VAN EEN HEUPGEWRICHT 31 -- 5. DISCUSSIE EN CONCLUSIE 33 -- 5.1. DRIE CLUSTERS 33 -- 5.1.1. Conclusie 33 -- 5.1.2. Betere gegevens voor toekomstige analyses 33 -- 5.2. APR-DRG-SOI'S DIE IN AANMERKING KOMEN VOOR EEN FORFAIT PER OPNAME 34 -- 5.2.1. Conclusie 34 -- 5.2.2. Vervolgstappen voor een forfait per opname 34 -- 5.2.3. Aandachtspunten bij implementatie 36 -- 5.3. ALGEMENE CONCLUSIE 37 -- AANBEVELINGEN 38 -- REFERENTIES 40 Link for e-copy: https://doi.org/10.57598/R270AS Format of e-copy: PDF (1,7 Mb) Record link: https://kce.docressources.info/index.php?lvl=notice_display&id=3873
ISSN : D/2016/10.273/61 : € 0,00
Languages : French (fre)
Descriptors: Classification
WX 157.8 Diagnosis-related groups
Indexation
2015-53 ; Cluster Analysis ; Data Interpretation, Statistical ; Health Care Reform ; R270Abstract: Le KCE publie une première étude exploratoire sur le clustering des séjours hospitaliers en prévision de la réforme du financement des hôpitaux. Une analyse de variabilité a également été proposée pour le cluster à faible variabilité, afin d’identifier les groupes de pathologies pouvant être candidates à un forfait prospectif. Contents note: PRÉFACE 1 -- SYNTHÈSE 2 -- 1. INTRODUCTION 5 -- 1.1. CONTEXTE 5 -- 1.2. CHAMP DE L’ETUDE ET OBJECTIFS 7 -- 1.3. METHODES 7 -- 2. LE FINANCEMENT DES HÔPITAUX EN BELGIQUE 8 -- 2.1. LE BUDGET DES MOYENS FINANCIERS (BMF) 8 -- 2.2. HONORAIRES DES MEDECINS 9 -- 2.3. FINANCEMENT MIXTE POUR LES SPECIALITES PHARMACEUTIQUES 10 -- 2.4. FINANCEMENT DE L’HOSPITALISATION DE JOUR 10 -- 3. DÉFINITION DES TROIS CLUSTERS 12 -- 3.1. QUELLES SONT LES DONNÉES UTILISÉES ? 12 -- 3.1.1. Données hospitalières minimales (RHM) 12 -- 3.1.2. Données de facturation des hôpitaux (SHA et HJA) 12 -- 3.1.3. Données de la cellule technique de traitement (TCT) 13 -- 3.1.4. Données de l’analyse 13 -- 3.2. MÉTHODE D’ANALYSE DE CLUSTERS 16 -- 3.2.1. Qu’est-ce qu’une analyse de clusters ? 16 -- 3.2.2. Choix de la méthode de clustering 16 -- 3.2.3. Quelles variables prendre en compte ? 16 -- 3.2.4. Validation des clusters 17 -- 3.2.5. Intrus 18 -- 3.3. RÉSULTATS DE L’ANALYSE DE CLUSTERS 18 -- 3.3.1. Variables identifiées par l’HINoV 18 -- 3.3.2. Description des trois clusters 19 -- 3.3.3. Validation des trois clusters 23 -- 3.4. LES CLUSTERS PEUVENT-ILS SERVIR DE BASE À TROIS SYSTÈMES DE FINANCEMENT DIFFÉRENTS ? 24 -- 4. ÉVALUER LES APR-DRG POUR UN PAIEMENT FORFAITAIRE PAR SÉJOUR 26 -- 4.1. CHAMP D’APPLICATION 26 -- 4.2. VISUALISATION DE LA VARIABILITÉ DES APR-DRG-SOI DU CLUSTER DE SOINS À BASSE VARIABILITÉ 27 -- 4.2.1. Identifier des modèles à basse variabilité intra et interhospitalière 27 -- 4.2.2. Visualiser la variabilité sur l’échelle d’origine de la variable 27 -- 4.3. EXEMPLE CONCRET : APR-DRG 301 – ARTHROPLASTIE DE LA HANCHE 30 -- 5. DISCUSSION ET CONCLUSION 33 -- 5.1. TROIS CLUSTERS 33 -- 5.1.1. Conclusion 33 -- 5.1.2. Améliorer les données pour de prochaines analyses 33 -- 5.2. APR-DRG-SOI ÉLIGIBLES POUR UN FORFAIT PAR SÉJOUR 33 -- 5.2.1. Conclusion 33 -- 5.2.2. Prochaines étapes vers un forfait par séjour 33 -- 5.2.3. Aspects liés à la mise en œuvre 36 -- 5.3. CONCLUSION GÉNÉRALE 36 -- RECOMMANDATIONS 38 -- REFERENCES 40 Link for e-copy: https://doi.org/10.57598/R270BS Format of e-copy: PDF (1,75 Mb) Record link: https://kce.docressources.info/index.php?lvl=notice_display&id=3872
ISSN : D/2016/10.273/62 : € 0,00
Languages : English (eng)
Descriptors: Classification
WX 157.8 Diagnosis-related groups
Indexation
2015-53 ; Cluster Analysis ; Data Interpretation, Statistical ; Health Care Reform ; R270Contents note: FOREWORD 1 -- SHORT REPORT 2 -- TABLE OF CONTENTS 2 -- LIST OF FIGURES 4 -- LIST OF TABLES .4 -- 1. INTRODUCTION 5 -- 1.1. BACKGROUND 5 -- 1.2. SCOPE AND OBJECTIVES .7 -- 1.3. METHODS .7 -- 2. BACKGROUND ON HOSPITAL PAYMENT IN BELGIUM 7 -- 2.1. THE BUDGET OF FINANCIAL MEANS .7 -- 2.2. PHYSICIAN FEES .8 -- 2.3. MIXED PAYMENTS FOR PHARMACEUTICAL SPECIALTIES .10 -- 2.4. PAYMENTS FOR DAY-CARE STAYS .10 -- 3. DEFINING THREE CLUSTERS 11 -- 3.1. WHAT DATA IS USED? 11 -- 3.1.1. Minimal Hospital Data (MZG – RHM) 11 -- 3.1.2. Hospital Billing Data (AZV – SHA and ADH – HJA) 12 -- 3.1.3. Technical Cell data (TCT) 12 -- 3.1.4. Analysis data set 13 -- 3.2. CLUSTER ANALYSIS METHOD 15 -- 3.2.1. What is a cluster analysis? 15 -- 3.2.2. Choice of cluster method .15 -- 3.2.3. Which variables to include? 15 -- 3.2.4. Cluster validation 16 -- 3.2.5. Cross-border cases .17 -- 3.3. CLUSTER ANALYSIS RESULTS 17 -- 3.3.1. Variable selection with HINoV 17 -- 3.3.2. Description of the three clusters 18 -- 3.3.3. Validation of the three clusters 22 -- 3.4. CAN THE CLUSTERS BE USED AS OUTLINES FOR THREE DIFFERENT PAYMENT SYSTEMS? 23 -- 4. ASSESSING APR-DRGS FOR A LUMP SUM PAYMENT PER STAY .25 -- 4.1. SCOPE .25 -- 4.2. VISUALISING VARIABILITY OF APR-DRG-SOIS IN THE LOW VARIABILITY CLUSTER 26 -- 4.2.1. Finding patterns of low within and between hospital variability 26 -- 4.2.2. Visualising variability on the original scale of the variable 26 -- 4.3. AN EXAMPLE: APR-DRG 301 – HIP JOINT REPLACEMENT 29 -- 5. DISCUSSION AND CONCLUSION 32 -- 5.1. THREE CLUSTERS 32 -- 5.1.1. Conclusion 32 -- 5.1.2. Data improvements for future analysis .32 -- 5.2. APR-DRG-SOIS ELIGIBLE FOR A LUMP SUM PER STAY 32 -- 5.2.1. Conclusion 32 -- 5.2.2. Next steps toward a lump sum per stay 32 -- 5.2.3. Implementation issues 34 -- 5.3. GENERAL CONCLUSION .35 -- RECOMMENDATIONS 36 -- REFERENCES .37 Link for e-copy: https://doi.org/10.57598/R270CS Format of e-copy: PDF (1,7 Mb) Record link: https://kce.docressources.info/index.php?lvl=notice_display&id=3874
PermalinkPermalink
Permalink
PermalinkPermalinkThe construct and concurrent validity of the EQ-5D in a renal transplant population / Irina Cleemput in Value in Health, 7(2004)4 ([07/01/2004])
Permalink
