Data quality and discharge-time readmission risk in diabetes hospitalisations
Datenqualität und Wiederaufnahmerisiko bei Entlassung bei Diabetes-Hospitalisierungen
Health Information Management Journal · 12.11.2026
DOI: 10.1177/18333583261502956 ↗Auf einen Blick
Eine retrospektive Analyse untersuchte 30-Tage-Wiederaufnahmen bei Diabetes-Patient:innen. Administrative Felder erhöhten die Trennschärfe des Modells nur gering.
Fragestellung
Welchen Einfluss haben Vollständigkeit der Dokumentation, administrative Felder und fehlende Werte auf die 30-Tage-Wiederaufnahmerisiko-Stratifizierung bei hospitalisierten Diabetes-Patient:innen bei Entlassung?
Methode
Retrospektive Sekundäranalyse des öffentlichen Datensatzes Diabetes 130-US hospitals for years 1999–2008; 4 kalibrierte logistische Regressionsmodelle; patienten-geclusterte Bootstrap-Resampling-Schätzung.
Ergebnisse
99.343 Behandlungsfälle von 69.990 Patient:innen. 11.314 Fälle (11,4 %) mit 30-Tage-Wiederaufnahme. AUROC stieg von 0,640 auf 0,667; ΔAUROC 0,0266 (95 %-KI 0,0178–0,0347).
Schlussfolgerung der Autor:innen
Der geringe Leistungsgewinn wurde vor allem durch administrative Kodierungs- und Entlasspfad-Variablen getragen. EHR-Wiederaufnahmestudien sollten Zeitpunkt, Verfügbarkeit und Herkunft der Prädiktoren berichten.
Kernaussagen
- 11.314 Fälle (11,4 %) mit 30-Tage-Wiederaufnahme
- Administrative Felder erhöhten AUROC auf 0,667
- Fehlende Werte allein änderten die AUROC nur wenig
Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.
Kurz gefasst
Fachartikel in der Zeitschrift Health Information Management Journal, online erschienen am 12.11.2026. Verfasst von Qidong Yang. Beteiligte Einrichtung: Nanyang Technological University, Singapore. Die Arbeit nennt 19 Literaturangaben.
Themen: Diabetes mellitus
Abstract (Originalsprache)
Background
Electronic health record (EHR) and administrative data are widely reused for readmission modelling, but models may learn from documentation completeness, coding pathways and measurement availability as well as from clinical status.
Objective
This study assessed how documentation completeness, administrative fields and interpretable clinical predictors shaped discharge-time 30-day readmission risk stratification among hospitalised patients with diabetes.
Method
A retrospective secondary analysis of the public Diabetes 130-US hospitals for years 1999–2008 dataset was conducted. Encounters with death or hospice-related discharge dispositions were excluded. The outcome was 30-day readmission. Four calibrated logistic regression models compared core clinical variables, administrative fields and missingness indicators under a discharge-time prediction frame. Uncertainty was estimated using patient-level clustered bootstrap resampling.
Results
The cohort included 99,343 encounters from 69,990 patient identifiers; 11,314 encounters (11.4%) had 30-day readmission. Weight, maximum glucose serum, A1C result, medical specialty and payer code were missing or not recorded in 96.9%, 94.8%, 83.1%, 48.9% and 39.7% of encounters, respectively. Adding administrative fields increased the area under the receiver operating characteristic curve (AUROC) from 0.640 to 0.667 (ΔAUROC 0.0266, 95% clustered bootstrap confidence interval (CI) 0.0178 to 0.0347). Missingness indicators alone produced little change (ΔAUROC 0.0019, 95% CI −0.0007 to 0.0046). The full model containing administrative fields and missingness indicators showed similar discrimination (AUROC 0.666).
Conclusion
The modest performance gain was driven mainly by administrative coding and discharge-pathway variables. EHR readmission studies should define prediction timing, report measurement availability and interpret model performance as a product of clinical data generation as well as clinical risk. Implications for health information management practice: Secondary-use EHR modelling should profile variable availability, establish predictor timing and provenance, test administrative-field contributions and report calibrated performance before local use.
Schlagwörter
Stichwörter der Autor:innen
Autor:innen und Institutionen
- Nanyang Technological University, Singapore.
ORCID-Profile: Qidong Yang
Zitieren
APA
Yang, Q. (2026). Data quality and discharge-time readmission risk in diabetes hospitalisations. Health Information Management Journal. https://doi.org/10.1177/18333583261502956
Vancouver
Yang Q. Data quality and discharge-time readmission risk in diabetes hospitalisations. Health Information Management Journal. 2026. doi:10.1177/18333583261502956
BibTeX
@article{Yang2026,
author = {Yang, Qidong},
title = {Data quality and discharge-time readmission risk in diabetes hospitalisations},
journal = {Health Information Management Journal},
year = {2026},
doi = {10.1177/18333583261502956}
}
EUVIMED