Hallo. Dank Du für beitreten uns Heute
für unser Präsentation An,
"Messung Ändern In Medikamente unterstützt Behandlung
für Teilnehmer In Projekt ECHO Verwenden Verwaltung Gesundheitspflege Ansprüche"
Wir Sind aufgeregt Zu Aktie Wie Wir verwenden JMP als A Taste Werkzeug In unser analytisch arbeiten.
Nächste gleiten, Bitte.
Mein Name Ist Erika Pflanze Und ICH Bin A Senior wissenschaftlich Daten Analytiker
bei Die Institut für Gesundheit Politik Und Üben
bei Die Universität von Neu Hampshire.
ICH Bin beigetreten von DR. Michelle Capozzoli, Senior Dozent
In Die Abteilung von Mathematik Und Statistiken,
Auch bei Die Universität von Neu Hampshire.
Weder Michelle noch ICH haben Konflikte von Interesse Zu offenbaren.
Nächste gleiten, Bitte.
Vor Wir beschreiben unser arbeiten,
ICH würde wie Zu bieten A knapp Überblick An Projekt ECHO.
Projekt ECHO War Gegründet In 2003 von DR. Sanjeev Arora
bei Die Universität von Neu Mexiko.
DR. Arora Ist A Arzt spezialisieren In Gastroenterologie Und Hepatologie.
Er War Sehen Patienten mit Hepatitis C sterben bei alarmierend Preise
Weil Sie könnte nicht Zugang Pflege
für Das behandelbar Krankheit In A rechtzeitig Benehmen.
Er gesucht Zu bringen Anbieter zusammen Zu form A Gemeinschaft von üben
Wo Ärzte Und andere Spezialisten dürfen lernen aus jede andere.
ECHO Ist ein "alle unterrichten, alle lernen" Modell,
Und Die Sitzungen Sind oft zentriert um A Taste Ausgabe oder Zustand.
Der Universität von Neu Hampshire gestartet es ist Projekt ECHO Hub In 2018
Und hat seit produziert A Nummer von ECHO Programme,
einschließlich Die Partnerschaft für Akademisch Klinisch Telepraxis, Medikamente
für Sucht Behandlung, oder PAKT-MAT.
Nächste gleiten, Bitte.
Der primär Ziel von PAKT-MAT ECHO Ist
Zu Zunahme Die Nummer von Krankenschwester Praktiker Studenten
In Absolvent Und Postgraduierter Programme WHO erhalten Verzicht Ausbildung,
anwenden für Die Verzicht, Und anschließend verschreiben MATTE.
Zweitens, Die Projekt sucht Zu Zunahme Anbieter selbst- Wirksamkeit
In Verwaltung Patienten mit Substanz- verwenden Störung.
Der Programm entwickelt A Lernen Gemeinschaft
Das ermöglicht A Kultur Das verstanden Sucht
als A chronisch Krankheit Und War vorbereitet Zu Adresse
Die Bereich von Themen Das aufgetaucht während Die Verfahren von Behandlung.
Speziell, Das Programm fokussiert An alle Teilnehmer Werden kompetent
Und kulturell kompetent In verschreiben Und behandeln SÜD,
als Also als verbessern Kapazität Und Qualitäten von Dienstleistungen verfügbar
Zu Patienten In ihre Gemeinschaften durch ihre Anbieter.
Nächste gleiten, Bitte.
Nach Die Fertigstellung von Die Erste PAKT-MAT Sitzung,
Die Team War interessiert In antworten manche Fragen
um Die PAKT-MAT ECHO durch Ansprüche Daten Analyse.
Aber Hier ist manche Kern Information um Die analytisch Projekt.
Der analytisch Zeitraum von Interesse War aus 2018 durch Juni 2020.
Das War Zu ergreifen Daten vor und danach Die Erste PAKT-MAT ECHO Sitzung.
Der Projekt War finanziert
von Die Substanz Missbrauch Und Mental Gesundheit Dienstleistungen Verwaltung ( SAMHSA),
als Teil von 150.000 3 Jahre gewähren.
Der Projekt Rektor Ermittler War DR. Marcy Doyle.
Wir war wollen Zu fragen A wenig Fragen um Die tatsächlich ECHO Programm
Und Wie Wir war fähig Zu sehen Wenn Anbieter Praktiken Methoden Ausübungen hatte geändert
nach Genau genommen teilnehmen In Die ECHO.
Und Die Center für Gesundheit Analytik von Informatik
bei Die Institut für Gesundheit Politik Und Üben bei UNH.
War glücklich genug Zu haben Zugang Zu Gesundheitspflege, administrativ Ansprüche,
Und Einschreibung Daten für Werbung Und Neu Hampshire Medicaid Richtlinien.
Deshalb, Die CHA Team War gebracht hinein Die Forschung Projekt
Zu sammeln Und Aggregat Die Daten,
Und UNHs Abteilung von Mathematik Und Statistiken War gebracht In
Zu bauen Modelle Und ausführen Analyse.
Nächste gleiten, Bitte.
Und diese Sind Die Fragen Das Wir fragte als unser Kern Forschung Fragen.
Tat Die PAKT-MAT ECHO Serie haben ein Auswirkung
An Teilnehmer MATTE verschreiben Praktiken Methoden Ausübungen?
Und dürfen Wir erfolgreich ausführen A Fall/ Kontrolle lernen An Anbieter
verwenden administrativ Ansprüche Daten?
Nächste gleiten, Bitte.
Wenn sammeln Gesundheit Pflege Ansprüche,
Wir inbegriffen alle Mitglieder, Alter null Zu 64 WHO hatte medizinisch
Und Apotheke Einschreibung In Die Monat von Interesse.
PAKT-MAT Teilnehmer selbst- gemeldet ihre Name, Titel, NPI,
Organisation Name Und Adresse, Und ihre Verzicht Status.
Wir kreuzen- referenziert Das Daten gegen CMS National Planen
Und Anbieter Aufzählung System, Auch bekannt als Die NPPES Registrierung.
In Die Fälle von A Nichtübereinstimmung zwischen Die selbst- gemeldet Daten
Und Die NPPES Registrierung, Die selbst gemeldet Daten War berücksichtigt
Die am meisten hoch Zu Datum Und War gebraucht für Die Analyse.
Information An unser Kontrolle Gruppe War bezogen nur aus Die NPPES.
Nächste gleiten, Bitte.
Und Ansprüche reflektieren Wenn eins oder mehr Service Linien inbegriffen
ein MATTE Verfahren Code oder Arzneimittel Code,
Sie war Auch markiert
wenn ein Opioid-bezogen Störung Diagnose Code War gefunden.
Medizinisch Anbieter war ausgewählt als haben abgerechnet für MATTE Wenn bei am wenigsten
eins Service Linie inbegriffen ihre NPI oder eins von Die MATTE CPT Codes.
Verschreibung Anbieter war ausgewählt als haben vorgeschrieben MATTE wenn wenigstens
eins Apotheke Service Linie inbegriffen ihre NPI als Die Verschreiber
Und bei am wenigsten eins von Die MATTE NDC Codes.
Der Fall Und Kontrolle Bevölkerungen jede hatte zwei Paare von Datensätze.
Nächste gleiten, Bitte.
Eins Paar für jede Versicherung Typ, Werbung oder Neu Hampshire Medicaid.
Der Erste Datum inbegriffen Dort Die Anbieter NPI Und Information,
als Also als gesamt Aggregate von Monat von alle Anbieter,
Patienten Und Ansprüche.
Patienten mit Opioid- Verwenden Störung (OUD),
Patienten mit beliebig Medikament unterstützt Behandlung,
Und Patienten mit beide OUD Und MATTE.
Der zweite Datensatz bereitgestellt Die Dasselbe Datensatz als Die Erste Daten Satz...
Dasselbe Daten als Die Erste Daten Satz, mit die Aggregation
bei Die Mitglied demographisch eben,
solch als Alter, Kategorie, Bezirk, Und Sex.
NEIN identifizierbar Mitglied Daten War angewandt Zu Die Statistiker.
Jetzt Ich bin gehen Zu passieren Die Präsentation Zu Mein Kollege, DR. Capozzoli.
Dank Du, Erika.
Einmal Wir erhalten Die Daten.
Der Daten War Genau genommen analysiert von Rebekka L.Park.
Sie War A UNH Meister Student unter Die Aufsicht von ich selbst
Und DR. Philipp Ramsey.
Wir erhalten Die drei Daten setzt.
Eins War Die Praktiker Demographie solch als Name,
National Anbieter Kennung, Titel, üben Adresse.
Der andere zwei war Die Ansprüche Datensätze.
Eins für Die Medicaid Und eins für Die Werbung.
So Die Original Daten War äußerst groß
für beide Die Werbung Und für Medicaid
für jede Praktiker, Es verfolgt jede von ihre MATTE Patienten Geschichte
über Die lernen Zeitraum.
So Die Original Gedanke War versuchen Zu...
Verwenden ihre Muster von Verhalten von ihre Patienten über Zeit.
Ganz schnell, Es wurde ersichtlich Das Das Ansatz War A wenig Bit problematisch
Und Auch Wir lief hinein manche Privatsphäre Gesetze In versuchen Zu machen Sicher
Das alle identifizieren Markierungen war nicht verfügbar.
So Was Wir tat War Wir geschliffen In
An mehrere von Die Variablen für Die Demographie.
So Wir geschliffen In An Die National Anbieter Kennung,
ihre Titel, Und Die Stadt von ihre üben.
Und Dann aus Die Ansprüche Daten, Wir fokussiert In An Die Monat Und Jahr.
So Das Spuren Was Monat Und Jahr
Das Wir war suchen bei.
Der Phase von Die Programm War Die Vor,
So Das Ist Vor Vor ECHO,
Laufend Ist während ECHO, Post ist offensichtlich nach ECHO.
So Dann Wir aggregiert Die Daten Und So stattdessen von suchen bei
jeden einzel besuchen, Was Wir sah bei war Monate
Und Wir sah bei geduldig Summen.
So Die Erste, Wir offensichtlich sah bei War Die Nummer von Patienten gesamt
für Das Praktiker während Das Monat,
Die Nummer von Patienten mit Opioid-U se Störung,
Die Nummer von Patienten WHO hatte beliebig MATTE,
Die Nummer von Patienten mit OUD WHO hatte beliebig MATTE.
Weiter, Wenn suchen bei Die Medicaid
gegen Die Werbung Pflege, während Die explorativ Analyse,
Es wurde ersichtlich Das Wir war gehen Zu brauchen Zu Fokus In An Die Medicaid Daten
fällig Zu Die niedrig geduldig Zahlen In Die Werbung Pflege.
So Hier für Beispiel, Wenn Wir war suchen bei Es,
Es wurde ersichtlich;
So An Durchschnitt Sie hatte eins geduldig pro Monat mit jede MAT.
Und So Was Wir war tun War es gibt A viel von spärlich Daten Hier
Und Es War Nur nicht förderlich Zu versuchen Zu fit Modelle.
So Wir fokussiert In An Die Medicaid Daten.
Weiter, Wir anfänglich hatte 20 Anbieter,
welche Wir hatte Zu reduzieren runter Zu neun Anbieter.
Und Die Grund Sein Ist Das manche von Die Anbieter
hatte zu viele Monate von fehlen Daten.
Manche von ihnen, Wir hatte Zu beseitigen
Weil Die mehrheitlich von Die Monate, Sie nicht haben beliebig Patienten WHO hatte MATTE.
Und Dann weiter, als Wir gestartet Zu fit Die Modelle,
Es wurde ersichtlich Das Wir Auch erforderlich A Minimum von 10 gesamt Patienten pro Monat.
So Wir tat Ende hoch mit A sehr kleiner Probe Größe
als Wir hatte ursprünglich Gedanke Wir würde haben.
Der andere Stück, als Wir war erkunden Die Daten,
verwenden manche von Die Werkzeug Das John bietet,
Wir bemerkte Das Die neun Praktiker hatte An Durchschnitt Die Nummer von Patienten
oder Nummer von gesamt Patienten unterschieden.
So für Beispiel, Sie könnte haben,
ICH denken Es War zwischen A gesamt Bereich von eins Zu 161 Patienten.
So zwischen Das Und Dann suchen bei Die Trend über Zeit,
So Wir sah bei Die Durchschnitt Nummer von Patienten gesamt
Und als Du Notiz Das, Die Blau Linie,
Du Notiz Das Nur In allgemein es gibt ein Zunahme von Patienten über Zeit.
Wir Auch sah bei Die Durchschnitt Nummer von Patienten
mit Die Opioid-Konsum D istordnung
Und diese WHO hatte beliebig MAT und diese WHO war diagnostiziert
mit OUD Und hatte beliebig MATTE.
Und Wenn Du Notiz, alle vier haben A ähnlich Trend von ein zunehmend Trend.
So Zu Kampf Das, Weil Was Wir wollen Zu wissen Ist,
sind die Praktiker zunehmend ihre verschreiben?
Nicht Das Sie Sind haben mehr bei Patienten über Zeit,
Wir normalisiert Die Daten von Erstellen A neu Variable.
So Was Wir erstellt War Die Anteil von Patienten
WHO hatte beliebig MATTE In Vergleich Zu Die gesamt Nummer von Patienten.
Und Die Grund Das Wir tat verwenden Die Patienten WHO hatte jede MAT
ist fällig Zu Die Tatsache Das A Diagnose von ein OUD tut haben A bestimmt Stigmatismus.
Und So Wir gefühlt Das Es würde Sei besser Zu sehen bei beliebig MATTE.
So Analyse Überlegungen.
Aus Die Anfang Wir wusste Das Wir hatte
A klein Probe Größe von Praktiker, nur neun.
Der andere Ding Das wurde ersichtlich
durch A viel von Die grafisch Darstellungen von Die Daten
War Das Wir hatte A viel von Lärm.
Und So In nehmen Das hinein Rücksichtnahme,
Wir entschieden Zu versuchen mehrere anders Ansätze.
Der Erste Ansatz War grundsätzlich, dein bedeutet Vergleich:
ANOVA und Matched Paare.
Dann Wir Gedanke um bringen In Das Zeit Variable.
Und So Wir tat sehen bei ihnen In mehrere anders Wege,
aus Nur einfach Lineare Regression, aus Die Anfang.
Wir tat halten Strukturell Gleichung Modelle.
DR. Laura Castro- Schilo aus JMP hatte kommen Zu eins von DR. Ramseys Unterricht
Und gegeben ein Gespräch An diese Modelle.
So ursprünglich, Wenn...
Wir war suchen bei Die Daten, Wir Gedanke Das diese Modelle
könnte Sei geeignet.
Aber Es wurde ersichtlich schnell Weil von Die Schwierigkeiten Das Wir hatte
Das Sie Nur war nicht Arbeiten für uns.
So Die nächste, Wir hat funktioniert mit Segmentierte Regression.
Das War gewählt
Weil In manche vorherige arbeiten mit Ansprüche Daten ,
Es War gebracht hoch Das Vielleicht Die Segmentierte Regression würde arbeiten Also
Weil Wir hatte Daten Das War suchen bei Vor Und Post.
So Wir Gedanke Das mit unser vor, laufend und nach,
Das Vielleicht Die Segmentierte Regression würde Sei geeignet.
Wir Auch sah bei Exponentiell Rückfall Und Logistik Rückfall.
Wir Auch sah bei ihre Verallgemeinert Rückfall Modelle
Und einschließlich Nur Die regulär Und Dann null- aufgeblasen Poisson,
Binomial, Und Negativ Binomial Modelle.
Und Die Grund Warum Wir entschieden Zu sehen bei Die Poisson,
Und Binomial Und Negativ Binomial Ist
Die Daten Ist inhärent Das Es hat zählt Und So Wir Gedanke Das Vielleicht
diese könnte Sei geeignet.
Und So Was Ich bin gehen Zu Fokus An Heute Sind Die Bedeutet Vergleich,
Die Segmentierte Regression Und Die null- aufgeblasen Poisson
Und Das Ist gehen Zu Sei für beide Nur suchen bei Die ECHO Gruppe
Und Dann Die Abgestimmt Paare vergleichen Die Kontrolle Gruppe Zu Die ECHO Gruppe.
So Die Erste Analyse ignoriert Die Zeit Variable
Und war Nur suchen bei Durchschnitte.
Was ist Die Durchschnitt Anteil von Patienten In dein Vor, laufend, Und Post.
Und Nur aus Die bedeutet, Es Ist schnell ersichtlich Und aus Die Graph
Das unser Vor Phase Ist definitiv untere als Die laufend und posten.
Wir Auch getestet für die...
Weil Wir haben klein Probe mit Praktiker,
Wir tat sehen bei Die Varianz Und Wir notiert Das Wir tat haben ein Ausgabe
mit nicht- gleich Varianz Und So Wir tat verwenden Welch prüfen
stattdessen von Die traditionell ANOVA
Zu Benehmen Zu sehen Wenn Wir hatte Unterschiede zwischen Die Phasen Und offensichtlich Wir Tun.
Und Dann Zu bestimmen statistisch welche Einsen war anders,
Wir tat sehen bei Die Alle Paare Tukey- Kramer Prüfen.
Und Es tat bestätigen Das unser Vor Phase War anders als Die laufend Und Post,
Aber Die laufend Und Post war sehr ähnlich.
Und So Das gab uns manche...
Das offensichtlich Ist anzeigt Das Wir Tun haben manche Unterschiede.
Der ECHO Programm Ist Herstellung A Unterschied.
So Das Segmentierte Regression, als ICH notiert Vor,
War empfohlen Weil Wir Tun haben Die drei Phasen: Vor, laufend, Und Post.
Und Wir war fähig...
DR. Ramsey hatte empfohlen Das Wir verwenden A Skript
Das Ist Erledigt von David Burnham, von Pega Analytik.
Wenn Du Sind interessiert In Das Skript, Die Verknüpfung Ist Hier An Die Webseite,
Es gibt Du Die Code Und Es Auch gibt Du
A sehr detailliert Beschreibung aus Linie Zu Linie,
Was Er Ist tun In Das Code.
Und So was ist Ereignis Hier, Wenn Wir lief Die Skript,
Wir war fähig Zu fit getrennt Rückschritte Zu Die drei anders Phasen
als Also als erhalten Die fit,
ein R² und prüfen Die Bedeutung von Die Neigung.
Und So nochmal, war Sehen Das Muster Das Wir gesehen mit Die ANOVA.
Du Tun sehen Das Die Vor Ist definitiv untere als Die laufend und posten.
Bedauerlicherweise, Die Pisten für alle von Die drei Phasen
war nicht bedeutsam.
Du dürfen Auch sehen Das Wir Tun haben A bedeutsam Menge von Variabilität.
So als nächstes was Wir berücksichtigt War Die Tatsache Das Wir hatte zwei Typen...
Oder zwei Kategorien von Praktiker;
Wir hatte diese WHO war Krankenschwester Praktiker, Arzt Assistenten;
Und Dann Wir hatte Die Ärzte.
Selbst obwohl Sie war klein Probe Größen.
Wir entschieden Zu sehen, "Okay, dürfen Wir sehen manche Art von A Signal?"
"Was Ist gehen An Hier?"
Und Wenn Wir sah bei Die Krankenschwester Praktiker nochmal,
Du sehen Das Verhalten von Die Vor Sein untere als Die laufend Und Die Post.
Und Was Wir notiert Ist Das für Die Vor Phase,
Wir Sind Sehen A wenig Bit von A Bedeutung selbst obwohl Es Ist 0,07,
Es Ist Sprichwort Das Dort Ist A Signal Hier Und Wir Tun haben etwas gehen An.
Bedauerlicherweise für Die laufend Und Post,
war nicht Sehen Das Bedeutung Aber nochmal Wir Sind Sehen Das Trend.
Was ist interessant Ist Wenn Wir sah bei Die Positionen.
Und Wir notiert Das offensichtlich Wir Tun nicht haben...
Der Pisten Sind definitiv nicht von Bedeutung
Und Dort nicht erscheinen Zu Sei beliebig Unterschied
ob Sie sind In Die Vor, laufend, oder Post.
So Es scheint während Es dürfen nicht Sei A praktisch Bedeutung,
Ich meine es so dürfen nicht Sei A statistisch Bedeutung
von praktisch Interesse Ist Die Tatsache Das Die ECHO Gruppe tut erscheinen Zu Sei
profitieren Das Krankenschwester Praktiker, Ärzte Assistenten Gruppe.
So Die nächste Ding Wir versucht War Die Null Inflation Poisson Modell.
Wir gewählt Die Poisson Modell fällig Zu Die Tatsache Das Wir hatte zählt
Und Wir Auch gewählt Die Null Inflation...
Wir tat beide Die regulär Und Die Null Inflation
Und Wir gewählt Die Null Inflation Weil Wir tat haben A viel von Nullen
In unser Daten.
Und So Wenn Wir tat Es,
du wirst Notiz Das Wir Tun haben Das leicht Trend
von Erhöhung von Anteil von MAT-Patienten im Laufe der Zeit.
Und suchen bei das P Parameter Schätzungen, Monat Ist bedeutsam.
Notiz Das Die Null Inflation Ist null.
So Wenn Du sehen bei Es, es war nicht Wirklich tun viel für Es
Zu haben Die Null Inflation Aber...
Es War informativ für uns.
Bedauerlicherweise, Wenn Wir ging Zu auswerten Die fit von Die Modell,
Es wurde schnell ersichtlich Das Es War A arm fit.
So für Beispiel, Wenn Wir sah bei dein verallgemeinert R², es ist sehr niedrig.
Und Dann Wir haben Das...
Wenn Wir sah bei Die tatsächlich gegen vorhergesagt Parzelle,
was ist Ereignis Ist Das
Hier Sind Die vorhergesagt Werte
Und Sie sind Wirklich reicht zwischen 0,1 Und 0,4
Wo Die tatsächlich Daten Ist reicht zwischen null Und eins.
So was ist Ereignis Ist Das Die Daten zwischen Hier Ist Wirklich drängen Das Modell.
Und So offensichtlich, Was Wir würde haben gern gesehen
Zu haben Ist mehr von Die Vorhersagen folgende Das Linie.
Haben genannt Das, Wir tat sehen manche Tendenzen Und selbst obwohl Wir nicht haben Vielleicht
A statistisch Stück, Wir tat haben manche praktisch Deutung.
So ziehen um An, Wir tat haben A Kontrolle Gruppe.
Und So Was Wir tat
Ist Das Wir nahm Die neun Kontrolle Anbieter
war direkt verglichen Zu Die neun ECHO Anbieter
Und Sie war gleichwertig In Titel Und Stadt.
So Wir war versuchen Zu passen ob Sie war A Krankenschwester Praktiker,
Arzt Assistent oder A Arzt,
Und Dann Wo ihre üben hauptsächlich War, ihre primär Stadt.
Und Die Stück von Das Ist Das Dort Ist A sehr anders demographisch Wenn Wir gehen
aus Die Süd von Neu Hampshire hoch Zu Die Norden von Neu Hampshire.
So Wir gesucht Zu machen Sicher Das Wir gefangen beliebig von diese.
So Wenn Wir tat Die Abgestimmt Paare Prüfen, Wir erstellt A Vertrauen Intervall
für Die Anteil von Patienten WHO hatte beliebig MAT zu Die gesamt Nummer von Patienten.
Wir sah bei Die Unterschied
zwischen unser Kontrolle Und unser Anbieter
Und Wir wissen In Das...
Erste aus, Wenn Du sehen bei Die Vertrauen, null Ist nicht In Dort.
So Wir Tun haben A Unterschied.
Und Wir Notiz Das Wenn Wir sah bei Die tatsächlich bedeutet
Du haben um dein Behandlung, ECHO Ist etwa 0,2...
Habe 0,2 Anteil von Patienten haben MATTE.
Und Dann für Die Kontrolle War nur 0,13.
So Wir Tun haben A Unterschied von 0,07 .
So Wir Sind Sehen Das unser ECHO Gruppe Ist
verschreiben MATTE mehr häufig als unser Kontrolle Gruppe.
So Die nächste War Zu versuchen Zu bringen In Das nochmal,
Das Zeit Variable.
Und So Wir sah bei Die Null Inflation Poisson Modell
Und So Was Wir sehen Hier,
So Erste aus Die ECHO Gruppe Ist In Rot
Und Dann Die Kontrolle Gruppe Ist In Blau.
So suchen bei Es grafisch, Wir Sind Sehen ein Zunahme In Zeit.
Es Ist offensichtlich Das Die ECHO Gruppe Ist leicht höher In verschreiben,
A Anteil von verschreiben als unser Kontrolle Gruppe.
Nochmal suchen bei Die Parameter In unser Modell, Sie Sind bedeutsam.
Bedauerlicherweise Wenn Wir gerührt nochmal Zu bewerten unser Modell,
Wir hatte A sehr ähnlich
Ergebnis als Wir tat mit Nur suchen bei Die ECHO,
welche Ist etwas nicht überraschend In Die Sinn Das Wir Sind verwenden
Die ähnlich Daten.
Und So nochmal du bist suchen bei dein Verallgemeinert R², es ist sehr niedrig,
Und nochmal war bemerken Das unser tatsächlich gegen vorhergesagt,
unser Modell Ist vorhersagen wahrscheinlich zwischen Jetzt 0,05 Und 0,4,
wohingegen Wir war hoffend Das Es würde vorhersagen entlang
Die Bereich aus null Zu eins.
So Ergebnisse.
Insgesamt also Wir war fähig Zu erkennen
Die Unterschied In Anbieter diagnostisch Muster
Vor Und nach Sie vorhergesagt In Projekt ECHO.
Wir tat sehen A klein Unterschied In Anbieter diagnostisch Muster
zwischen Die Anbieter Das tat teilnehmen In Projekt ECHO
Und diese WHO tat nicht.
Eins von Die Dinge Das Wir tat nicht Kontrolle An War Die Nummer von gesamt Patienten.
So Das dürfen Sei etwas Zu halten später.
Und Dann Wir Auch notiert Das Dort dürfen Sei A Unterschied An Die Auswirkung von Projekt ECHO
aus Die anders Anbieter eben Titel.
Und Wir brauchen Zu Vielleicht weiter vertiefen hinein Das.
So nächste Schritte, Das Ist ein laufend Projekt.
Diese Sind Die nächste Schritte Das Wir Sind angesichts.
So Erste aus, Was Wir würde wie Zu Tun Ist Zu enthalten zusätzlich Anbieter
Zu Zunahme Die Größe von Die Datenbank.
Und eins von Die Wege Das Wir Sind suchen bei tun Das Ist Zu enthalten
manche mehr von Die ECHO Perioden.
So Wir Tun haben eins Das War Abschluss hoch Das Jahr.
So war hoffend Zu hinzufügen Praktiker In aus Das Zeitraum.
Und Wir Auch dürfen wollen Zu halten Die Methodik für erkennen MATTE
Und Die medizinisch Und Apotheke Ansprüche Daten.
Auch Wir würde wie Zu analysieren bei Die üben eben
mit Fall Kontrolle Studien Zu Hilfe Kampf Die klein Probe Größe.
Und nochmal, Die gesamt Ziel Ist Zu fit ein geeignet Modell.
So Wir gesucht Zu Dank Du für nehmen Die Zeit Zu Hören Zu unser Präsentation
An Die PAKT-MAT ECHO.
Wenn Du haben beliebig Fragen, Bitte Kontakt uns bei unser folgende E-Mails.
Genießen Die ausruhen von dein Konferenz.
Dank Du.
Dank Du.
